一、用自己的話描述出其本身的含義：
1、特徵選擇
就比如有m個特徵，在其中選擇n個特徵使得系統的特定指標達到最優的結果，這個從m→n的過程就是特徵選擇。
2、pca
主成分分析，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，簡單來說就是減少這份資料樣本的某些屬性，降低冗餘，但是同時也從這些現有的特徵中重建新的特徵，新的特徵剔除了原有特徵的冗餘資訊，因此使不同的樣本資料更有區分度。
二、並用自己的話闡述出兩者的主要區別
特徵選擇：從包含多個特徵的資料集中挑選出幾個特徵作為實際使用的資料集，用於訓練模型。沒有改變特徵的形式。
pca：用於減少資料集的維度，同時保持資料集中使方差貢獻最大的特徵。改變了原來特徵的形式。
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...