-CDA考试官方模拟题库

备考刷题，请到

CDA认证小程序

你正在处理一个二分类数据集，数据呈现“同心圆”分布（类 0 在核心，类 1 在外环）。若直接使用线性 PCA 降维到 1 维，会导致两类数据完全重叠，无法区分。因此考虑改用带有 RBF（径向基）核函数的 Kernel PCA 进行降维，并提取第 1 主成分。关于该主成分的几何意义，下列描述最准确的是：

A. 它反映了数据点在 X 轴或 Y 轴上的投影位置。

B. 它通过旋转坐标轴，找到了同心圆的切线方向。

C. 它将数据映射到了无穷维空间，无法在低维空间进行解释。

D. 它近似反映了数据点到圆心的距离。

上一题

下一题

题目解析

题目评论(0)

Kernel PCA 利用核技巧（Kernel Trick）将线性不可分的数据映射到高维（甚至是无穷维）特征空间，在该空间中数据变得线性可分，然后执行 PCA。对于同心圆数据（Donut shape），RBF 核衡量的是点与点之间的相似度（距离）。在特征空间中，Kernel PCA 的第一主成分通常对应于数据在“流形”展开后的主方向。对于同心圆，这个“展开”本质上就是将极坐标下的 r（半径）拉直。因此，KPCA 的第一主成分会高度相关于样本到中心的距离，从而将内圆和外环在 1D 数轴上分开（例如内圆值小，外环值大）。