iPAS 考題解析PCA 將 1024 維降至 100 維再用 SVM 分類,最正確的描述為何?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:D. 降維可降低訓練時間並減少過擬合風險
PCA 降維(Dimensionality Reduction)減少了特徵數量,訓練速度更快;同時去除了雜訊維度,減少模型過擬合(Overfitting)的風險。但不保證一定提升準確率(Accuracy)。
每個選項為什麼對或錯
-
A 必然提升準確率 錯誤選項
降維(Dimensionality Reduction)可能丟失重要資訊,不保證一定提升
-
B 保持原始高維空間一定更好 錯誤選項
高維空間容易過擬合(Overfitting)且計算量大,不一定更好
-
C PCA 能讓 SVM 適用非線性問題 錯誤選項
PCA 是線性降維(Dimensionality Reduction),不能讓 SVM 處理非線性(需要核函數)
-
D 降維可降低訓練時間並減少過擬合風險 正解
答案、題目或解析有問題?回報這題