主成分分析

标签：自己的   特征选择   区别   nbsp   数据集   改变   维度   pca   选择   

一、用自己的话描述出其本身的含义：

1、特征选择

2、PCA

特征选择

特征选择就是从所有特征中选择部分特征作为训练集，即对现有特征拿好的特征，差的特征就不要，特征在选择前后

可以改变特征部分的值、也可以不改变特征部分的值，只是选择后的特征维数肯定要比选择前小。

PCA

 PCA是一种分析、简化数据集的技术，主要是将数据的主成分保留下来，忽略掉对数据

描述不重要的成分，应用于特征数量达到上百上千时，考虑数据的简化问题。

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，不会改变原有的特征值；

　　PCA就是从一个维度空间映射到另一个维度空间，会改变原有的特征值。

主成分分析

标签：自己的   特征选择   区别   nbsp   数据集   改变   维度   pca   选择   

原文地址：https://www.cnblogs.com/dtx123/p/12807483.html