主成分分析

1、特征选择

特征选择能剔除不相关或冗余的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。目标是寻找最优特征子集。

2、PCA

主成分分析（PCA）是一种分析、简化数据集的技术。主成分分析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。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。主成分分析依赖所给数据，所以数据的准确性对分析结果影响很大。

3、两者区别

两者都是为了解决拟合问题。主要的区别是特征选择不会改变特征数据值而PCA会发生特征数据值的变化。