版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/nima1994/article/details/82870301
一般情况下，特征是相关的。例如，图像中，我们利用每个像素红、绿、蓝三个通道进行图像分类（例如图像中猫狗的判别）。感知红光的传感器也会捕获一些蓝光和绿光。类似的，蓝光和绿光的传感器也会接收一定程度的红光。结果，像素的R、G、B三通道的值就是统计相关的。这样，简单从特征向量中抛弃R值，便也将其中G和B的信息也一起去掉了。换句话说，在降维之前，应先进行特征空间变换，以获取潜在的独立成分。
简而言之，特征选择就是选择某些特征，抛弃另一些特征；特征变换就是将所有特征经过某种变化，提取隐含信息等。
裁剪于：
使用 PCA 进行特征提取