将数据进行特征选择、维规约、规划化、特征创建是以下哪个步骤的任务（)

A.神经网络算法不能用于数据降维。###SXB###B.原始数据可能包含数以百/千/万计的属性，大部分情况下会有很多属性与任务不相关，是冗余的，数据降维可以提高数据质量，提升数据挖掘和机器学习的效率及精度。###SXB###C.数据降维的方法包括人工降维和自动降维，其中自动降维又分为维度规约和数据压缩 。###SXB###D.维度规约又称又称特征选择, 就是要删除冗余无用的属性；被保留的属性仍保持原有的物理意义。

A.LASSO

B.主成分分析法

C.特征选择

D.聚类分析

A.选择影响类型、类型参数及特征化模型

B.数据质量分析

C.类型参数结果的计算（特征化）

D.将LCI结果归类

A.特征选择

B.维归约

C.规范化

D.模式过滤

A.全连接层的作用就是分类,全连接层的每一个节点都与上一层的所有节点相连接,将前一层的特征进行进一步组合

B.损失函数的作用是用来估算模型的预测值与实际值的差距的函数

C.卷积神经网络中的池化层又称为下采样层，该层的目的是降低特征图的维度，进而降低卷积神经网络的参数量,减少过拟合

D.卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间,全连接层则将抽象特征映射到样本标记空间中

A、项目前期工作

B、切换运行

C、模拟运行及用户化

D、新系统运行

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.数据分类

B.数据清洗

C.数据规范化和离散化

D.特征提取与特征选择