面试题库 › 算法 / 大模型 › 降维算法概览与 PCA 原理

降维算法概览与 PCA 原理

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:降维与特征工程

哪些公司问过

腾讯1

常见岗位:机器学习算法(泛)

答案要点

  1. PCA目标:寻找正交方向使投影方差最大,等价于最小化重构误差
  2. 步骤:中心化(必要时标准化)→协方差矩阵→特征分解→按特征值排序取前k个特征向量→投影
  3. 特征值等于对应主成分方向的方差,用累计解释方差比选k
  4. 实际实现多用SVD,数值稳定,右奇异向量即主成分方向
  5. 局限:线性、对尺度和异常值敏感、无监督不考虑标签,非线性结构可用核PCA、t-SNE、UMAP

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题