标签：简单 维数 相对 变换 原来 思想 数据 主成分分析 分析
一、用自己的话描述出其本身的含义：
1、特征选择
特征选择是将高维数据映射或者转换改成低维数据，完成降维目标，通过特征选取的方式将冗余或者不相关的特征删除掉，实现进一步的降维。
2、PCA
主成分分析又叫主元分析，该方法主要的思想是通过原始特征进行变换，从而找出一组互相不相关而且重要性从小到大排列的特征，以达到用更少主成分表示数据的目的。主成分分析在数学上的处理方法就是将原来的变量进行线性组合，通过线性组合的方法将多个特征综合为少数特征，且综合后的特征相对独立，又可以表示原始特征的大部分信息。
简单来说说，主成分分析能抓住高维数据的最主要特征。
二、并用自己的话阐述出两者的主要区别
PCA主成分分析有数据选择的倾向，会选择高维数据的主成分进行降维；特征选择能够自定义选取数据的特征，进行更精确的操作。
标签：简单 维数 相对 变换 原来 思想 数据 主成分分析 分析
原文地址：https://www.cnblogs.com/WEJACKSI/p/13070371.html
