Eine nationale Volkszählung sammelt ungefähr 500 Antworten pro Person. Welches Algorithmuspaar wäre geeignet, um Erkenntnisse aus diesen hochdimensionalen Umfragedaten zu gewinnen? (Wählen Sie zwei.)

PCA ist eine Dimensionsreduktionstechnik, die hochdimensionale Daten in eine niedrigere Dimension transformiert, während so viel Varianz wie möglich beibehalten wird. Dies ist ideal, um Erkenntnisse aus den 500 Antworten pro Person zu gewinnen, indem die Komplexität reduziert wird. K-Means-Clustering ist ein unüberwachter Algorithmus, der Datenpunkte in Gruppen (Cluster) unterteilt, basierend auf ihrer Ähnlichkeit. Dies würde helfen, natürliche Gruppierungen oder Segmente innerhalb der Bevölkerung basierend auf ihren Umfrageantworten zu identifizieren. Factorization Machines (FM) eignen sich eher für Empfehlungssysteme und Vorhersagen mit spärlichen Daten. Latent Dirichlet Allocation (LDA) ist für die Themenmodellierung von Textdaten konzipiert. Random Cut Forest (RCF) wird für die Anomalieerkennung verwendet.