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

能够提升模型的性能，帮助我们理解数据的特点、底层结构

2、PCA

使用较少的数据维度，同时保留住较多的原数据点的特性。尽可能将原始特征往具有最大投影信息量的维度上进行投影。将原特征投影到这些维度上，使降维后信息量损失最小

二、并用自己的话阐述出两者的主要区别

1、特征选择

选取出的特征不改变原有特征信息

2、PCA

注重实用性。可用于简化运算，可视化高维数据，发现隐性相关变量。