全國人口普查每人會收集大約 500 份回覆。哪一組演算法適合用於從這種高維度調查資料中獲取洞見？(請選擇兩項)

對於高維度資料，主成分分析 (PCA) 演算法是降維的有效方法，能將大量相關變數轉換為較少的不相關變數（主成分），從而簡化資料並保留大部分資訊，便於後續分析。k-means 聚類演算法則能將相似的資料點分組，在高維度資料中識別出自然群體或模式，有助於從複雜的調查回覆中發現不同的人口群體。Factorization Machines 和 Latent Dirichlet Allocation 主要用於推薦系統和主題模型，不直接適用於此類高維度數值資料的降維和分群。Random Cut Forest 則用於異常檢測，與此情境下的洞察獲取目的不符。