【一起入门MachineLearning】中科院机器学习-期末题库-【计算题1+多选题25+简答题16】

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的，可能有错误啊啊啊！

这两题都与PCA相关，知识点可以参考博主的这篇文章：
【一起入门MachineLearning】中科院机器学习第*课-PCA主成分分析

多选题25

A：必须在使用PCA前规范化数据，这是对的，对应上文中说到的零均值化
B：Variance是方差的意思，反差要尽可能大，让每个数据彼此区分，都能尽可能有效。
D：可以使用PCA在低维度上做数据可视化，感觉这个选项强调的是低纬度，而不是可视化。

简答题16

描述主成分分析的主要步骤

• 数据标准化。
• 计算协方差矩阵，求协方差的特征值和特征向量。（求协方差矩阵有简便的方法，具体可以看上文提到的博客）
• 将特征值按照从大到小的顺序排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵。
• 将样本点投影到选取的特征向量上。

计算题1：

个人认为题目描述为：“求协方差矩阵的特征值”更严谨，另外已经告知了协方差矩阵就不需要做第一步和第二步来求转置了。