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。分為有監督學習和無監督學習。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，將高維空間的樣本通過對映或者是變換的方式轉換到低維空間，達到降維的目的。

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，是模式識別中關鍵的資料預處理步驟。

2、pca  主成分分析

pca主成分分析是利用降維的思想，多個指標轉化為少數幾個綜合指標，從而使資料能更好的進行分析和視覺化。

二、並用自己的話闡述出兩者的主要區別

pca改變了原來特徵的形式。 

特徵選取沒有改變特徵的形式。

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。分為有監督學習和無監督學習。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，將高維空間的樣本通過對映或者是變換的方式轉換到低維空間，達到降維的目的。

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，是模式識別中關鍵的資料預處理步驟。

2、pca  主成分分析

pca主成分分析是利用降維的思想，多個指標轉化為少數幾個綜合指標，從而使資料能更好的進行分析和視覺化。

二、並用自己的話闡述出兩者的主要區別

pca改變了原來特徵的形式。 

特徵選取沒有改變特徵的形式。

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...