下面关于主分量分析PCA的描述中错误的是？

A.PCA是从原空间中顺序找一组相互正交的坐标轴

B.原始数据中方差最大的方向是第一个坐标轴

C.基于特征值分解协方差矩阵实现PCA算法

D.奇异值分解只能适用于指定维数的矩阵分解

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。

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.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