O algoritmo de redução de dimensionalidade conheci...

Q: O algoritmo de redução de dimensionalidade conhecido como Análise de Componentes Principais (PCA – Principal Component Analysis) possui características importantes. Dada a escolha de um número k de co

A) escolhe k autovetores aleatórios do conjunto original de dados. | B) constrói a matriz de confusão a partir de X, multiplicando-a pelos autovalores de seus vetores originais. | C) preserva as distâncias geodésicas entre os pontos do espaço original dos dados por redução não linear. | D) adiciona a média de cada observação para cada dimensão de X, normalizando-a depois pelo desvio-padrão. | E) retorna k combinações lineares dos atributos do conjunto {A,B,C,D,E}.

457941201777273

Ano: 2024Banca: FGVOrganização: DATAPREVDisciplina: Engenharia de SoftwareTemas: Inteligência Artificial

O algoritmo de redução de dimensionalidade conhecido como Análise de Componentes Principais (PCA – Principal Component Analysis) possui características importantes.

Dada a escolha de um número k de componentes principais e um conjunto de dados X com cinco variáveis A, B, C, D e E, o PCA

Gabarito comentado

Anotações

Marcar para revisão

O algoritmo de redução de dimensionalidade conhecido como Análise d...

Questões relacionadas para praticar

O algoritmo de redução de dimensionalidade conhecido como Análise d...

Questões relacionadas para praticar