9、主成分分析

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

 

解:

一、

1、特征选择:从全部特征中选取一个特征子集,使得使构造出来的模型效果更好,推广能力更强,是能剔除不相关、冗余、没有差异刻画能力的特征,从而达到减少特征个数、减少训练或者运行时间、提高模型精确度的作用

2、PCA:一种分析、简化数据集的技术,经常用于减少数据集的维数,同时保持数据集中的对方差贡献最大的特征。数据中会使方差最大化的方向,PCA是在对特征数据执行投影或压缩时,最大化的降低信息丢失。

二、

 特征选择选取出的特征不改变原有特征信息,PCA会改变原有的特征信息。

上一篇:机器学习9 主成分分析


下一篇:主成分分析