Um censo nacional coleta aproximadamente 500 respostas por pessoa. Qual par de algoritmos seria apropriado para obter insights desses dados de pesquisa de alta dimensionalidade? (Escolha dois.)

PCA é ideal para reduzir a dimensionalidade de dados de alta dimensão, como as 500 respostas por pessoa, ao identificar os componentes principais que capturam a maior parte da variância. Isso simplifica os dados para análise posterior. O k-means é um algoritmo de clustering que agrupa pontos de dados semelhantes. Após a redução de dimensionalidade com PCA, o k-means pode ser aplicado para descobrir padrões ou segmentos naturais dentro dos dados do censo, como diferentes perfis demográficos ou de opinião. FM é usado principalmente para sistemas de recomendação e não para análise de dados de censo. LDA é para modelagem de tópicos em texto, não para dados numéricos de pesquisa. RCF é para detecção de anomalias, o que não é o objetivo principal aqui.