关于降维算法中的主成分分析，（）是错误的。

A.PCA是一种无监督的方法

B.它搜索数据具有最大差异的方向

C.主成分的最大数量

D.所有主成分彼此正交

A.主成分分析要学习一个映射矩阵，其大小是d×l

B.主成分分析学习得到了l个d维大小的向量，这l个d维向量之间彼此相关

C.在主成分分析中，我们将带约束的最优化问题，通过拉格朗日乘子法将其转化为无约束最优化问题

D.每个原始数据的维数大小从d变成了l

A.考虑了变量的相关性信息

B.都基于变量的线性变换

C.是否进行归一化，都不影响分析结果

D.PCA可以视为一种降维技术，CCA不可以视为一种降维技术

A.主成分分析是一种常用的非线性降维方法

B.核化线性降维是一种常用的线性降维方法

C.流形学习是一种借鉴拓扑流形概念的降维方法

D.度量学习绕过降维的过程，将学习目标转化为对距离度量计算的权重矩阵的学习

A.主成分分析PCA

B.线性判别分析LDA

C.深度学习SparseAutoEncoder

D.矩阵奇异值分解SVD

A.多维缩放

B.主成分分析

C.核化线性降维

D.流形学习

E.度量学习

A.由用户事先指定

B.通过在d值不同的低维空间中对开销较小的学习器进行交叉验证来选取

C.可从重构的角度设置一个重构阈值，选取使得特定公式成立的最小值

D.随机设置

A.分类

B.聚类

C.回归

D.降维

A.可以处理高维度的属性，并且不用做特征选择

B.随机森林的预测能力不受多重共线性影响

C.也擅长处理小数据集和低维数据集的分类问题

D.能应对正负样本不平衡问题