标签：分析 坐标轴 区别 正交 方差 顺序 训练 多个 学习任务
一、用自己的话描述出其本身的含义：
1、特征选择：从一组特征中挑选出一些最有效的特征来降低特征空间维数。去除不相关的特征，可以降低学习任务的难度，只留下关键特征，往往可以更容易看清真相。
2、PCA：主成分分析PCA是一种分析、简化数据集的技术，经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与数据本身是密切相关的
由于我们一般不会直接使用原始数据，所以就要进行特征选择；特征选择就是从多个特征中选择部分特征作为训练集的特征，特征在选择前后选择后不改变值
二、并用自己的话阐述出两者的主要区别
特征选择：是单纯地从提取到的所有特征中选择部分特征作为训练集特征，没有改变特征原来的形式
PCA：是从一个维度空间映射到另一个维度空间，改变了特征原来的形式
标签：分析 坐标轴 区别 正交 方差 顺序 训练 多个 学习任务
原文地址：https://www.cnblogs.com/longlog/p/12814188.html
