9 主成分分析

一、用自己的話描述出其本身的含義：

1、特徵選擇

根據實際情況需要篩選出符合模型訓練的特徵，只是從一堆特徵裡單純挑出需要的特徵，沒有對這些特徵進行過修改和降維，形成新的特徵

2、pca

主成分分析pca，他會根據特徵資料的規律和主要成分將特徵自動降維成更具代表性，更簡潔的資料，降低資料的冗餘量，使不同樣本自己更具有代表性。

二、並用自己的話闡述出兩者的主要區別

他們兩者的區別就是特徵選擇只是單純的從一堆特徵裡篩選出想要的特徵，不會改變其特徵值，保證某一特徵的完整性，

而pca則會根據資料的主要成分，分析後自動冗餘的資訊整合起來，降低資料的維數，保證資料之間更有辨識性。

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 根據需求，選擇具有價值的樣本特徵，即減少不必要的樣本特徵。減少特徵具有重要的現實意義，不僅減少過擬合 減少特徵數量 降維 提高模型泛化能力，而且還可以使模型獲得更好的解釋性，增強對特徵和特徵值之間的理解，加快模型的訓練速度，一般的，還會獲得更好的效能。...

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 特徵選擇也叫特徵子集選擇。是指從已有的m個特徵 feature 中選擇n個特徵使得系統的特定指標最優化，是從原始特徵中選擇出一些最有效特徵以降低資料集維度的過程,是提高學習演算法效能的乙個重要手段,也是模式識別中關鍵的資料預處理步驟。2 pca 主成分...

9 主成分分析

一 用自己的話描述出其本身的含義 1 特徵選擇 群中選優，取其精華 去其糟粕。在得到的資料中選出特徵後，從選出的資料特徵中找到更好的資料特徵，逐步優化。例如 20個特徵選取10個，其中被選取的特徵中有資料值為10 特徵選擇應用完後 被選取的10個特徵中的資料10不會改變 2 pca 主成分分析 壓縮...