机器学习九----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
特征选择就是在进行机器学习的模型训练和预测过程中，在面对大量的特征数据前，去掉无关的特征，实现数据的降维。举个例子，预测某一天出去玩的概率，如果数据中有类似衣服颜色、袜子颜色等无用的数据，就可人工把这些特征数据去掉。这样不仅提高了模型训练的速度，也提高了模型的泛化能力。
2、PCA
PCA也是数据降维的一种方式，因为数据降维带着一定的数据损失，PCA主成分分析主要通过将N维的数据映射到K维上，控制数据损失，得到新的数据和降维后的特征维度
二、并用自己的话阐述出两者的主要区别
特征选择主要是对数据变化较小，不影响整体数据的拟合和预测的这些特征数据进行处理，而在现实大量的数据特征面前，特征太多，有些特征和另一个特征之间是有关系的，所以PCA主成分分析主要是通过算法，找出之间的关系，减少降维后的数据损失，达到降维的目的。
