主成分分析和因子分析的不同点为（)。

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.以上均不正确

B.主成分分析的目的是找出少数几个主成分代表原来的多个变量

C.所找出的主成分是原来变量的线性组合

D.用于主成分分析的多个变量之间应有较强的相关性

E.用于主成分分析的多个变量之间必须是不相关的

A.A.可以知道每个因子的具体意义

B.B.使因子载荷矩阵结构简化

C.C.因子载荷矩阵不唯一

D.D.使因子载荷矩阵每列元素相0和1两极分化

A.在主成分分析中，所得低维数据中每一维度之间具有极大相关度

B.主成分分析可保证原始高维样本数据被投影映射后，其方差保持最大

C.在主成分分析中，将数据向方差最大方向进行投影，可使得数据所蕴含信息没有丢失，以便在后续处理过程中各个数据“彰显个性”

D.主成份分析是一种特征降维方法

A.A.通过因子负荷的结果，弄清原始变量间的某些关系

B.B.通过主成分分析法构造回归模型

C.C.对样本进行分类

D.D.降低所研究的数据空间的维数

A.公共因子的相对重要性

B.提取出来的公因子对每个变量的解释程度是多大

C.所有公因子对每个变量的解释程度是多大

D.公因子对每个变量的解释程度是多大

A.脂肪成分

B.物质成分

C.原料新鲜度

D.风味成分

A.主成分分析是考察多个定量变量之间相关性的一种多元统计方法

B.主成分分析目的是通过对原始变量的线性组合，提取几个彼此独立的新变量

C.主成分分析在不损失原始主要信息的前提下，避开了变量间的共线性问题，从而便于对数据进行深入分析

D.以上都对

E.以上都不对

A.对各原始指标数据进行标准化;求出相关矩阵

B.求出相关矩阵的特征值和特征值所对应的特征向量

C.提取主成分并获得主成分的表达式

D.以上都对

E.以上都不对