9 主成分分析

一、用自己的話描述出其本身的含義：

1、特徵選擇

2、pca

二、並用自己的話闡述出兩者的主要區別

解：一、

1、特徵選擇：從全部特徵中選取乙個特徵子集，使得使構造出來的模型效果更好，推廣能力更強，是能剔除不相關、冗餘、沒有差異刻畫能力的特徵，從而達到減少特徵個數、減少訓練或者執行時間、提高模型精確度的作用

2、pca：一種分析、簡化資料集的技術，經常用於減少資料集的維數，同時保持資料集中的對方差貢獻最大的特徵。資料中會使方差最大化的方向，pca是在對特徵資料執行投影或壓縮時，最大化的降低資訊丟失。

二、特徵選擇選取出的特徵不改變原有特徵資訊，pca會改變原有的特徵資訊。

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 根據實際情況需要篩選出符合模型訓練的特徵，只是從一堆特徵裡單純挑出需要的特徵，沒有對這些特徵進行過修改和降維，形成新的特徵 2 pca 主成分分析pca，他會根據特徵資料的規律和主要成分將特徵自動降維成更具代表性，更簡潔的資料，降低資料的冗餘量，使不同...

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 根據需求，選擇具有價值的樣本特徵，即減少不必要的樣本特徵。減少特徵具有重要的現實意義，不僅減少過擬合 減少特徵數量 降維 提高模型泛化能力，而且還可以使模型獲得更好的解釋性，增強對特徵和特徵值之間的理解，加快模型的訓練速度，一般的，還會獲得更好的效能。...

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 特徵選擇也叫特徵子集選擇。是指從已有的m個特徵 feature 中選擇n個特徵使得系統的特定指標最優化，是從原始特徵中選擇出一些最有效特徵以降低資料集維度的過程,是提高學習演算法效能的乙個重要手段,也是模式識別中關鍵的資料預處理步驟。2 pca 主成分...