9、主成分分析

一、用自己的话描述出其本身的含义：

1、特征选择

2、PCA

1. 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
2. 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

二、并用自己的话阐述出两者的主要区别

• 特征选择就是特征降维中进行人工选择的方式，主观性剔除不要的特征。而PCA则是特征降维中除了特征选择的另一种降维方法，中文名为主成分分析技术，他的作用是尽可能降低原数据的维数，简化数据。
• 两者本质都是特征降维技术，主要区别就在于特征选择可以用去特征量少，适合人工筛选，以及部分特征的相关度高，容易消耗计算耗能的数据，而PCA则适用于成百上千条特征的数据