技术数据降维知识40题（附答案）
摘要：本⽂例举了⼀个针对数据科学家的数据降维测试，测试总共有40道题，涉及的内容主要有PCA、t-SNE以及LDA 降维技术。想检验下⾃⼰对降维技术掌握的情况就赶快测测吧。
作者介绍
：数据科学家、IIIT Allahabad研究助理，热爱解决复杂的数据挖掘问题、了解更多关于数据科学和机器学习算法，⽬前致⼒于预测软件缺陷的项⽬。
领英：
Github：
博客：
注
PCA：主成分分析（Principal Component Analysis）
T-SNE：t-分布随机邻域嵌⼊（t-Distributed Stochastic Neighbor Embedding）
LDA：线性判别式分析（Linear Discriminant Analysis ）
介绍
在处理现实⽣活中的问题时，数据科学家经常会遇到数百列及以上的数据集，并通过这些⼤型数据集构建预测模型，这会是⼀个较复杂的⼯程。幸运的是有降维技术的存在，降维是数据科学中的⼀项重要技术，任何数据科学家都必须具备该技能。这项技能测试测试你掌握的降维技术知识，测试问题包括PCA、t-SNE和LDA等主题。在还有更具挑战性的⽐赛。
共有582⼈参加该测试，以下问题涉及理论到实践的⽅⽅⾯⾯。
如果错过测试，可以在参加测试。
综合成绩
以下是分数的分布，这将有助于评估⾃⼰的表现：
你可以并查看⾃⼰的分数，以下是关于分配的⼀些统计数据。
总体分布
平均得分（所有分值的平均值）：19.52
得分中位数（按顺序排列的中间值）：20
模型得分（最常出现的得分）：19
有⽤资源
有⽤资源
问题和答案
1）想象⼀下，机器学习中有1000个输⼊特征和1个⽬标特征，必须根据输⼊特征和⽬标特征之间的关系选择100个最重要的特征。你认为这是减少维数的例⼦吗？
A.是
B.不是
解答：（A）
2）[真或假]没有必要有⼀个⽤于应⽤维数降低算法的⽬标变量。
A.真
B.假
解答：（A）
LDA是有监督降维算法的⼀个例⼦。
3）在数据集中有4个变量，如A，B，C和D.执⾏了以下操作：
步骤1：使⽤上述变量创建另外两个变量，即E = A + 3 * B和F = B + 5 * C + D。
步骤2：然后只使⽤变量E和F建⽴了⼀个随机森林模型。
上述步骤可以表⽰降维⽅法吗？
A.真
B.假
解答：（A）
因为步骤1可以⽤于将数据表⽰为2个较低的维度。
4）以下哪种技术对于减少数据集的维度会更好？
A.删除缺少值太多的列
B.删除数据差异较⼤的列
C.删除不同数据趋势的列
D.都不是
解答：（A）
如果列的缺失值太多（例如99％），那么可以删除这些列。
5）[真或假]降维算法是减少构建模型所需计算时间的⽅法之⼀。
潮汕菜
孩子拉肚子怎么办A.真
B.假
解答：（A）
降低数据维数将花费更少的时间来训练模型。
6）以下哪种算法不能⽤于降低数据的维数？
A. t-SNE
B. PCA神话故事的特点
C. LDA
D.都不是
解答：（D）
所有算法都是降维算法的例⼦。
7）[真或假] PCA可⽤于在较⼩维度上投影和可视化数据。
A.真
B.假
解答：（A）
有时绘制较⼩维数据⾮常有⽤，可以使⽤前两个主要分量，然后使⽤散点图可视化数据。8）最常⽤的降维算法是PCA，以下哪项是关于PCA的？
1.PCA是⼀种⽆监督的⽅法
2.它搜索数据具有最⼤差异的⽅向
3.主成分的最⼤数量<=特征能数量
4.所有主成分彼此正交
A. 1和2
B. 1和3
C. 2和3
D. 1、2和3
E. 1、2和4
F.以上所有
F.以上所有
解答：（F）
9）假设使⽤维数降低作为预处理技术，使⽤PCA将数据减少到k维度。然后使⽤这些PCA预测作为特征，以下哪个声
明是正确的？
A.更⾼的“k”意味着更正则化
B.更⾼的“k”意味着较少的正则化
C.不知道
解答：（B）
较⾼的k导致较少的平滑，因此能够保留更多的数据特征，从⽽减少正则化。
查看历史记录10）在相同的机器上运⾏并设置最⼩的计算能⼒，以下哪种情况下t-SNE⽐PCA降维效果更好？
A.具有1百万项300个特征的数据集
B.具有100000项310个特征的数据集
C.具有10,000项8个特征的数据集
D.具有10,000项200个特征的数据集
解答：（C）
t-SNE具有⼆次时空复杂度。
11）对于t-SNE代价函数，以下陈述中的哪⼀个正确？
A.本质上是不对称的。
B.本质上是对称的。
C.与SNE的代价函数相同。
解答：（B）
SNE代价函数是不对称的，这使得使⽤梯度下降难以收敛。对称是SNE和t-SNE代价函数之间的主要区别之⼀。12）想像正在处理⽂本数据，使⽤单词嵌⼊（Word2vec）表⽰使⽤的单词。在单词嵌⼊中，最终会有1000维。现在想
减⼩这个⾼维数据的维度，这样相似的词应该在最邻近的空间中具有相似的含义。在这种情况下，您最有可能选择以下哪种算法？
A. t-SNE
B. PCA
C. LDA
D.都不是
解答：（A）
t-SNE代表t分布随机相邻嵌⼊，它考虑最近的邻居来减少数据。
13）[真或假] t-SNE学习⾮参数映射。
A.真
B.假
解答：（A）
t-SNE学习⾮参数映射，这意味着它不会学习将数据从输⼊空间映射到地图的显式函数。从该获取更多信息。14）以下对于t-SNE和PCA的陈述中哪个是正确的？
A.t-SNE是线性的，⽽PCA是⾮线性的
B.t-SNE和PCA都是线性的
我曾经走过
C.t-SNE和PCA都是⾮线性的
D.t-SNE是⾮线性的，⽽PCA是线性的
解答：（D）
选项D是正确的。从获取说明
15）在t-SNE算法中，可以调整以下哪些超参数？
散盘A.维度数量
B.平稳测量有效数量的邻居
C.最⼤迭代次数
五字经D.以上所有
解答：（D）
选项中的所有超参数都可以调整。刘子玉
16）与PCA相⽐，t-SNE的以下说明哪个正确？
A.数据巨⼤（⼤⼩）时，t-SNE可能⽆法产⽣更好的结果。
B.⽆论数据的⼤⼩如何，T-NSE总是产⽣更好的结果。
C.对于较⼩尺⼨的数据，PCA总是⽐t-SNE更好。
D.都不是
解答：（A）
