一、用自己的话描述出其本身的含义:
1、特征选择
将高维空间的样本通过映射或者是变换的方式转换到低维空间,达到降维的目的,然后通过特征选取删选掉冗余和不相关的特征来进一步降维。
2、PCA
找出数据里最主要的方面,用数据里最主要的方面来代替原始数据
二、并用自己的话阐述出两者的主要区别
PCA是用于减少数据集的维度,同时保持数据集中使方差贡献最大的特征。改变了原来特征的形式。
特征选取是从包含多个特征的数据集中挑选出几个特征作为实际使用的数据集,用于训练模型。没有改变特征的形式。
标签:分析,维空间,特征,选取,降维,成分,PCA,数据 来源: https://www.cnblogs.com/lywkkk/p/12790136.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。