Spis ludności zbiera około 500 odpowiedzi na osobę. Która para algorytmów byłaby odpowiednia do uzyskania wglądu z tych danych ankietowych o wysokiej wymiarowości? (Wybierz dwie opcje.)

PCA jest odpowiedni do redukcji wymiarowości danych ankietowych, pomagając w identyfikacji kluczowych wzorców i zmiennych, które najlepiej reprezentują oryginalne 500 odpowiedzi na osobę. Zmniejsza złożoność, jednocześnie zachowując istotne informacje. K-means clustering jest odpowiedni do grupowania respondentów na podstawie ich odpowiedzi. Pozwala to na odkrycie naturalnych segmentów lub typów respondentów w danych o wysokiej wymiarowości, ułatwiając zrozumienie różnic między grupami. Algorytm Factorization Machines (FM) jest używany głównie do systemów rekomendacyjnych i przewidywania interakcji, a nie do analizy ankiet. Algorytm Latent Dirichlet Allocation (LDA) jest przeznaczony do modelowania tematów w kolekcjach dokumentów tekstowych. Algorytm Random Cut Forest (RCF) służy do wykrywania anomalii w strumieniach danych.