在大数据分析中，常用的维度约简方法有:()A. 线性回归B. 主成分分析（PCA）C. 奇异值分解（SVD）D. 特征选择

维度约简是大数据分析中减少数据维度、降低计算复杂度的重要方法，主要分为特征选择和特征提取两类：

• 特征选择：直接筛选原始特征中重要的部分（如过滤法、包裹法、嵌入法）。
• 特征提取：通过线性变换构造新特征（如主成分分析PCA、奇异值分解SVD）。

线性回归属于回归分析工具，用于预测而非降维，因此不属于维度约简方法。

选项分析

A. 线性回归

线性回归是一种统计预测方法，用于建立自变量与因变量的线性关系模型，不涉及维度约简，因此排除。

B. 主成分分析（PCA）

PCA通过正交变换将原始特征转化为互不相关的主成分，保留大部分方差，属于特征提取方法，是维度约简的典型技术，正确。

C. 奇异值分解（SVD）

SVD将矩阵分解为三个矩阵，可提取数据的核心特征，常用于降维处理（如推荐系统中的应用），属于特征提取，正确。

D. 特征选择

通过评估特征重要性（如卡方检验、信息增益）筛选关键特征，直接减少维度，属于特征选择方法，正确。