Un censimento nazionale raccoglie circa 500 risposte per persona. Quale coppia di algoritmi sarebbe appropriata per ottenere insight da questi dati di sondaggio ad alta dimensionalità? (Scegliere due.)

PCA è appropriato per ridurre la dimensionalità di dati ad alta dimensionalità, come 500 risposte per persona, identificando le componenti principali che catturano la maggior parte della varianza. Questo semplifica i dati mantenendo le informazioni essenziali. Il clustering k-means è adatto per raggruppare i partecipanti al sondaggio in base alle loro risposte, identificando segmenti o profili distinti all'interno della popolazione. Factorization Machines (FM) è più orientato ai sistemi di raccomandazione e alla previsione di interazioni tra variabili. Latent Dirichlet Allocation (LDA) è utilizzato per la modellazione di argomenti in dati testuali. Random Cut Forest (RCF) è un algoritmo per il rilevamento di anomalie.