1.选择AB
解析:u（1）的选择应该是使投影距离最短，而向量的方向正负皆可，故选择AB
2.选择B
解析：k的选择与m无关，肘方法适用于聚类类数的选择。k的选择应该是在满足差异性的情况下，取最小的值。故选择B。
3.选择B
解析：对照公式选择即可。这里是直接的(式子)<0.05，后面使用svd中得到的Sii是(1-另一个式子)<0.05。
4.选择AD
解析：A即使输入的特征值都十分接近，也应该进行均值归一化，然后再应用PCA，正确。B给了z和Ureduce可以大体还原出xapprove，xa=Ureduce*z，错误。C PCA不存在什么局部最小，不需要多次初始化，错误。D 只有当k<n时PCA才有意义，k=n虽然可能但是不会有什么作用，k>n没有意义，正确。
5.选择CD
解析：A获取大量特征值来去训练学习算法并不是PCA的主张，其是为了降维而存在，错误。B也不是用来抑制过拟合的，因为PCA还是带有原数据的关联性质，对抑制过拟合无效，错误。C数据压缩确是其作用，少占存储空间和内存，正确。D数据可视化，能将多维数据以图像的形式展示，正确。
