一、用自己的话描述出其本身的含义：
1、特征选择
2、PCA
二、并用自己的话阐述出两者的主要区别
答：
1 特征选择：就是从原本的数据中，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，本身的值没有任何改变，只是选取一部分特征进性训练，
而没有选择的那部分就被抛弃掉。
PCA：本质就是将数据从一个维度的空间映射到一个维度的空间，不过在
降维的时候，特征数量不会减少，但是特征值会改变，就像是现在的特征是1000
维，我们想要把它降到500维。降维的过程就是找个一个从1000维映射到500维
的映射关系。原始数据中的1000个特征，每一个都对应着降维后的500维空间
中的一个值。假设原始特征中有个特征的值是9，那么降维后对应的值可能是3。
2.两者的区别在于：
（1）特征选择是选取部分特征，这样子特征数量会减少，PCA是特征数量不会改变。
（2）特征选取不会使特征值发生改变，PCA会改变特征值
（3）特征选择适用于特征数量较少的（少于一百），PCA适用于多数量特征的（大于一百）