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

特征选择就是从所有特征中选择部分特征作为训练集，即对现有特征的“取其精华，去其糟粕”，特征在选择前后。可以改变值、也可以不改变值，只是选择后的特征维数肯定要比选择前小。

2、PCA

它是一种分析，简化数据集的技术。，是数据维数压缩，尽可能尽可能降低原数据的维数（复杂度），损失少量信息，可以消减回归分析或聚类分析中特征的数量。

对一件物品以不同的角度，给予不同的描述。使用条件是当特征数量达到上百的时候。使用后：数据会发生变化，特征数量也会减少。

以下两种多是不全的表现：

 

以下为上图例题中PCA正确表现：

二、并用自己的话阐述出两者的主要区别

特征选择：就是单纯地从提取到的所有特征中选择部分特征作为训练集特征，不会改变原有的特征值（特征在选择前和选择后不改变值，但是选择后的特征维数肯定比选择前小）；

PCA：　　就是从一个维度空间映射到另一个维度空间，会改变原有的特征值（PCA会对数据进行改变，同时特征数量也会减少）。