注意：此页面搜索的是所有试题
国家开放大学大数据分析与挖掘技术
无放回抽样有可能对同一个个体抽中了多次，有放回抽样则将抽出来的个体从抽样对象中去除，因此不会有重复的个体。
【A.】√
【B.】×
有放回抽样有可能对同一个个体抽中了多次，无放回抽样则将抽出来的个体从抽样对象中去除，因此不会有重复的个体。
【A.】√
【B.】×
离散化是一种将连续取值的变量转换成一个分类变量的数据预处理步骤。
【A.】√
【B.】×
离散化是一种将分类取值的变量转换成一个连续变量的数据预处理步骤。
【A.】√
【B.】×
下列关于主成分的属性说法错误的是（ ）。
【A.】它们是原始变量的线性组合
【B.】它们相互正交（垂直）
【C.】它们捕获了数据差异最小的方向
【D.】它们捕获了数据差异最大的方向
下列关于主成分分析的说法错误的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】它将数据从原始的低维空间投影到高维空间
【C.】它将数据从原始的高维空间投影到低维空间
【D.】所有原始变量可通过变换的方式得到综合变量，称为主成分
下列关于主成分分析的说法错误的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】主成分分析一种经典增加分析变量的方法
【C.】它将数据从原始的高维空间投影到低维空间
【D.】它将数据从原始的低维空间投影到高维空间
下列关于主成分分析的说法正确的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】主成分分析一种经典增加分析变量的方法
【C.】它将数据从原始的高维空间投影到低维空间
【D.】它将数据从原始的低维空间投影到高维空间
下列关于主成分的属性说法正确的是（ ）。
【A.】它们是原始变量的线性组合
【B.】它们相互正交（垂直）
【C.】它们捕获了数据差异最小的方向
【D.】它们捕获了数据差异最大的方向
下列关于主成分分析的说法正确的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】它将数据从原始的低维空间投影到高维空间
【C.】它将数据从原始的高维空间投影到低维空间
【D.】所有原始变量可通过变换的方式得到综合变量，称为主成分
主成分分析是一种经典的增加分析变量的方法，它将数据从原始的低维空间投影到高维空间。
【A.】√
【B.】×
主成分是原始变量的线性组合，它们相互正交（垂直），捕获了数据差异最小的方向。
【A.】√
【B.】×
主成分分析是一种经典的减少分析变量的方法，它将数据从原始的高维空间投影到低维空间。
【A.】√
【B.】×
主成分是原始变量的线性组合，它们相互正交（垂直），捕获了数据差异最大的方向。
【A.】√
【B.】×
下列关于设定虚拟变量时应当遵循的原则说法不正确的是（ ）。
【A.】对于有k个表现值的定性变量，只设定（k-1）个虚拟变量
【B.】虚拟变量的值通常用“0”或“1”来表示
【C.】对于每个样本而言，同一个定性变量对应虚拟变量的值之和不超过1
【D.】设定虚拟变量时对其数量一般不做要求
【A.】√
【B.】×
有放回抽样有可能对同一个个体抽中了多次，无放回抽样则将抽出来的个体从抽样对象中去除，因此不会有重复的个体。
【A.】√
【B.】×
离散化是一种将连续取值的变量转换成一个分类变量的数据预处理步骤。
【A.】√
【B.】×
离散化是一种将分类取值的变量转换成一个连续变量的数据预处理步骤。
【A.】√
【B.】×
下列关于主成分的属性说法错误的是（ ）。
【A.】它们是原始变量的线性组合
【B.】它们相互正交（垂直）
【C.】它们捕获了数据差异最小的方向
【D.】它们捕获了数据差异最大的方向
下列关于主成分分析的说法错误的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】它将数据从原始的低维空间投影到高维空间
【C.】它将数据从原始的高维空间投影到低维空间
【D.】所有原始变量可通过变换的方式得到综合变量，称为主成分
下列关于主成分分析的说法错误的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】主成分分析一种经典增加分析变量的方法
【C.】它将数据从原始的高维空间投影到低维空间
【D.】它将数据从原始的低维空间投影到高维空间
下列关于主成分分析的说法正确的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】主成分分析一种经典增加分析变量的方法
【C.】它将数据从原始的高维空间投影到低维空间
【D.】它将数据从原始的低维空间投影到高维空间
下列关于主成分的属性说法正确的是（ ）。
【A.】它们是原始变量的线性组合
【B.】它们相互正交（垂直）
【C.】它们捕获了数据差异最小的方向
【D.】它们捕获了数据差异最大的方向
下列关于主成分分析的说法正确的是（ ）。
【A.】主成分分析一种经典的减少分析变量的方法
【B.】它将数据从原始的低维空间投影到高维空间
【C.】它将数据从原始的高维空间投影到低维空间
【D.】所有原始变量可通过变换的方式得到综合变量，称为主成分
主成分分析是一种经典的增加分析变量的方法，它将数据从原始的低维空间投影到高维空间。
【A.】√
【B.】×
主成分是原始变量的线性组合，它们相互正交（垂直），捕获了数据差异最小的方向。
【A.】√
【B.】×
主成分分析是一种经典的减少分析变量的方法，它将数据从原始的高维空间投影到低维空间。
【A.】√
【B.】×
主成分是原始变量的线性组合，它们相互正交（垂直），捕获了数据差异最大的方向。
【A.】√
【B.】×
下列关于设定虚拟变量时应当遵循的原则说法不正确的是（ ）。
【A.】对于有k个表现值的定性变量，只设定（k-1）个虚拟变量
【B.】虚拟变量的值通常用“0”或“1”来表示
【C.】对于每个样本而言，同一个定性变量对应虚拟变量的值之和不超过1
【D.】设定虚拟变量时对其数量一般不做要求