9、主成分分析

标签：没有   空间   预处理   一个   方差   识别   影响   重要   维度   

一、用自己的话描述出其本身的含义：

1、特征选择

　　是指从已有的M个特征中选择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。

2、PCA

　　主成分分析 ，是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。

二、并用自己的话阐述出两者的主要区别

特征选择：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，没有改变原始特征。

PCA：主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。改变了原始特征。

9、主成分分析

标签：没有   空间   预处理   一个   方差   识别   影响   重要   维度   

原文地址：https://www.cnblogs.com/wh008/p/12793305.html