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

　　特征选择是选择部分特征当做机器学习的相关数据，也就是特征选择后的特征是原来特征的一个子集。

2、PCA

　　主成分分析本质是一种分析，是简化数据集的技术，目的是数据维数压缩，尽可能降低原数据的维数，损失少量信息。

二、并用自己的话阐述出两者的主要区别

　　特征选择：特征较少时使用，从原含有多个特征的数据集中取出一部分特征用于训练模型，不会改变其原本的特征；

　　主成分分析：特征数量达到上百的时候，考虑数据简化，其削减了回归分析或者聚类分析中特征的数量，也就是它对数据维数进行了压缩，所以其改变了原来的特征值。