主成分分析法的基本步骤正确的顺序是（）。 ①解样本相关矩阵R 的特征方程，求出特征根，确定主成分； ②将标准化后的指标变量转换为m个主成分； ③原始指标数据的标准化，构造标准化矩阵Z； ④对m 个主成分进行综合评价； ⑤对标准化阵Z 求相关系数矩阵R；

A.③⑤①②④

B.③①②④⑤

C.③⑤②①④

D.③①⑤②④

A.特征根分解

B.特征向量求取

C.选取主元个数

D.数据标准化

A.可消除评估指标之间的相关影响。因为主成分分析法在对原始数据指标变量进行变换后形成了彼此相互独立的主成分，而且实践证明指标间相关程度越高，主成分分析效果越好。#B.可减少指标选择的工作量，对于其他评估方法，由于难以消除评估指标间的相关影响，所以选择指标时要花费不少精力，而主成分分析法由于可以消除这种相关影响，所以在指标选择上相对容易些。#C.主成分分析中各主成分是按方差大小依次排列顺序的，在分析问题时，可以舍弃一部分主成分，只取前面方差较大的几个主成分来代表原变量，从而减少了计算工作量。#D.确切。

A.PCA算法是从一组特征中计算出一组按重要性从大到小排列的新特征，它们是原有特征的线性组合，并且相互之间是不相关的。

B.主成分分析的目的是将多个原始特征压缩为互不相关的少数综合特征的过程。

C.通过PCA方法得到的新特征能够完全表达原始特征的信息。

D.主成分分析方法需要计算原始特征的协方差矩阵或自相关矩阵。