在数据建模过程中，对于变量的筛选与维度归约，以下哪项描述是正确的？

A.    主成分分析适用于可解释性较强的预测模型，因为它减少了变量间的相关性。

B.    变量聚类旨在通过保留所有变量来减少信息损失，适合于所有类型的数据模型。

C.    因子分析通常不适用于预测类模型，因为它更侧重于变量的可解释性而非预测准确性。

D.    奇异值分解专门用于方阵数据的维度归约，不适用于非方阵情况。
参考答案： C
解析：主成分分析（PCA）虽然能有效降低数据维度，但是会牺牲变量的可解释性，因此多用于不可解释类的预测模型（选项A正确但表述有误，故不选）。变量聚类是减少变量的一种方式，通过摒弃一些相关性较强的变量，而非保留所有变量（选项B错误）。因子分析确实侧重于变量的可解释性，不太适用于预测类模型，这与信息中的描述相符（选项C正确）。奇异值分解（SVD）实际上是适用于非方阵情况的主成分分析，不局限于方阵数据（选项D错误）。