12. 關於主成分分析（Principal Component Analysis, PCA）與奇異值分解（Singular Value Decomposition, SVD），下列敘述何者正確？ (A) PCA 較 SVD 更一般化 (B) SVD 將資料矩陣分解出只有橫列的基底向量 (C) PCA 分解出資料矩陣之縱行與橫列的基底向量 (D) PCA 可以基於資料矩陣之相關係數方陣或共變異數方陣進行計算

12. 關於主成分分析（Principal Component Analysis, PCA）與奇異值分解（Singular Value Decomposition, SVD），下列敘述何者正確？
(A) PCA 較 SVD 更一般化
(B) SVD 將資料矩陣分解出只有橫列的基底向量
(C) PCA 分解出資料矩陣之縱行與橫列的基底向量
(D) PCA 可以基於資料矩陣之相關係數方陣或共變異數方陣進行計算

答案：登入後查看
統計： A(4), B(1), C(0), D(6), E(0) #3219296

詳解 (共 1 筆)

MoAI - 您的AI助手

B1 · 2025/10/26

#6971268

1. 題目解析本題主要考察學生對主成...

(共 1007 字，隱藏中）

前往觀看

1. 在分析資料前，通常需要先清理資料。當數字與文字混合在一起時，但我們僅需要提取出數字時，若以逐筆資料提取十分曠日廢時，在 Python 語法中的套件 re 可以處理大部分的此類問題，例如語法： re.findall(pattern, string)，當 pattern = '\d'，可以提取出 string 中所有單一數字；pattern = '\d\d'，可以提取出 string 中所有 2 個相連數字；pattern = '\d+'，可以提取出 string 中所有任意相連個數的數字。請問當 string = '王大明手機號碼:0912334567,地址...'時，下列何者語法無法提取出0912334567？ (A) re.findall('\d+', string) (B) re.findall('\d\d\d\d\d\d\d\d\d', string) (C) re.findall('\d\d+', string) (D) re.findall('\d\d\d\d\d\d+', string)

詳解 (共 1 筆)

相關試題

相關試卷