9、主成分分析

标签：方法   数据   机器   坐标   坐标系转换   自己的   方向   信息   维数   

一、用自己的话描述出其本身的含义：

1、特征选择：特征选择的本质就是对一个给定特征子集的优良性通过一个特定的评价标准进行衡量．通过特征选择，原始特征集合中的冗余特征和不相关特征被除去，而有用特征得以保留。

2、PCA：PCA，即主成分分析方法，是一种使用最广泛的数据压缩算法。在PCA中，数据从原来的坐标系转换到新的坐标系，由数据本身决定。转换坐标系时，以方差最大的方向作为坐标轴方向，因为数据的最大方差给出了数据的最重要的信息。第一个新坐标轴选择的是原始数据中方差最大的方法，第二个新坐标轴选择的是与第一个新坐标轴正交且方差次大的方向。重复该过程，重复次数为原始数据的特征维数。

二、并用自己的话阐述出两者的主要区别

特征选择是人为主动操作降维的而PCA是机器筛选。

9、主成分分析

标签：方法   数据   机器   坐标   坐标系转换   自己的   方向   信息   维数   

原文地址：https://www.cnblogs.com/ldtasdf/p/12821660.html