9、主成分分析

标签：训练   自己的   主成分分析   特征   多少   空间   机器学习   提取   自己   

一、用自己的话描述出其本身的含义：

1、特征选择

2、PCA

答：特征选择：选择部分特征当做机器学习的相关数据。

PCA：PCA是一种分析，简化数据集的技术。，是数据维数压缩，尽可能尽可能降低原数据的维数（复杂度），损失少量信息，可以消减回归分析或聚类分析中特征的数量。

二、并用自己的话阐述出两者的主要区别

答：特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征，特征在选择前和选择后不改变值，但是选择后的特征维数肯定比选择前小，毕竟我们只选择了其中的一部分特征。而pca本质上是从一个维度空间映射到另一个维度空间，特征的多少别没有减少，当然在映射的过程中特征值也会相应的变化。

9、主成分分析

标签：训练   自己的   主成分分析   特征   多少   空间   机器学习   提取   自己   

原文地址：https://www.cnblogs.com/lishishi0917/p/12788625.html