机器学习第八次作业

一、用自己的话描述出其本身的含义：

1、特征选择：也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。

2、PCA：主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。

二、并用自己的话阐述出两者的主要区别

特征选择是减少特征来减少数据集维度，PCA是寻找 r （ r<n ）个新变量，使它们反映事物的主要特征，压缩原有数据矩阵的规模，将特征向量的维数降低，挑选出最少的维数来概括最重要特征。