一、用自己的话描述出其本身的含义:
1、特征选择:将高维空间的样本通过映射或者是变换的方式转换到低维空间,达到降维的目的,然后通过特征选取删选掉冗余和不相关的特征来进一步降维。
2、PCA:将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的信息量最大(方差最大),以此使用较少的数据维度,同时保留住较多的原数据点的特性。
二、并用自己的话阐述出两者的主要区别
前者主要是通过人工操作,特征值不变,数据减少;后者是自动的,特征值改变。
一、用自己的话描述出其本身的含义:
1、特征选择:将高维空间的样本通过映射或者是变换的方式转换到低维空间,达到降维的目的,然后通过特征选取删选掉冗余和不相关的特征来进一步降维。
2、PCA:将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的信息量最大(方差最大),以此使用较少的数据维度,同时保留住较多的原数据点的特性。
二、并用自己的话阐述出两者的主要区别
前者主要是通过人工操作,特征值不变,数据减少;后者是自动的,特征值改变。