下面关于主分量分析PCA的描述中错误的是？

A.PCA对高维数据降维后的维数是与原始数据特征维度相关（与数据类别标签无关）

B.LDA降维后所得到维度是与数据样本的类别个数K有关（与数据本身维度无关）

C.假设原始数据一共有K个类别，那么LDA所得数据的降维维度小于或等于K−1

D.PCA和LDA均是基于监督学习的降维方法

A.PCA对高维数据降维后的维数是与原始数据特征维度相关（与数据类别标签无关）

B.LDA降维后所得到维度是与数据样本的类别个数K有关（与数据本身维度无关）

C.假设原始数据一共有K个类别，那么LDA所得数据的降维维度小于或等于K−1

D.PCA和LDA均是基于监督学习的降维方法

A.数据库中的每个表都必须有一个主关键字段

B.主关键字段值是唯一的

C.主关键字可以是一个字段，也可以是一组字段

D.主关键字段中不许有重复值和空值

A.基于正交表和交互作用列表进行表头设计

B.安排试验因素的不同列间相互独立

C.正交设计没有安排试验因素的列都归入误差

D.表头设计中没有安排交互作用，则交互作用不存在

A.PCA包括了K-L变换。

B.标准PCA使用了波段的相关矩阵。

C.标准PCA使用了协方差矩阵，目标是数据压缩。

D.以相关矩阵进行的PCA计算，偏重于图像分析，所产生的结果具有更好的解释性，但失去了数据压缩的优势。

A.Y.是

B.N.否