一、描述出其本身的含义：

1、特征选择

　　将高维空间的样本通过映射或者是变换的方式转换到低维空间，达到降维的目的，然后通过特征选取删选掉冗余和不相关的特征来进一步降维。

2、PCA

　　PCA是主成分分析，是常用的降维方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量。

二、两者的主要区别

　　特征选择在特征较少时使用，PCA特征有上百个；特征选择后的特征是原来特征的一个子集，PCA得到的投影空间是协方差矩阵的特征向量。