PCA是一种线性降维，虽然经典，但具有一定的局限性

正确答案是：D: 线性降维。

**分析：**

主成分分析（PCA）是一种常用的降维技术，主要用于数据预处理和特征提取。它的主要优点包括简洁、能够去除噪声以及进行全局降维。然而，PCA也有一些缺点，其中一个主要缺点就是它是线性降维方法。

**具体分析如下：**

1. **线性降维（D）**：PCA假设数据的主要变化是线性的，因此它只能捕捉到数据中的线性结构。如果数据的主要变化是非线性的，PCA可能无法有效地降维。这是PCA的一个主要限制，因为在实际应用中，数据常常具有复杂的非线性结构。

2. **去噪声（A）**：PCA可以通过保留主要成分而去除噪声，因为噪声通常分布在数据的低方差方向上。通过去除这些低方差的成分，PCA能够有效地减少噪声。

3. **简洁（B）**：PCA通过将原始数据投影到一个较低维的空间中，从而简化了数据结构，使得后续的分析和处理更加简洁和高效。

4. **全局降维（C）**：PCA是一种全局降维方法，它考虑了数据的整体结构，而不是局部结构。因此，它能够有效地捕捉数据的全局特征。

综上所述，PCA的缺点主要在于它是线性降维方法，无法处理数据中的非线性结构。