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:就是从一组特征中挑选出一些最有效的特征,以达到降低特征空间维数的目的

2、PCA:简单来说PCA就是一种用于分析、简化数据集的技术

二、并用自己的话阐述出两者的主要区别

特征选择主要用于特征较少时使用,而主成份分析的特征可达上百个。特征选择就是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,

假设原始特征中有个特征的值是9,那么特征选择选到这个特征后它的值还是9,并没有改变。降维本质上是从一个维度空间映射到另一个

维度空间,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。

上一篇:PCA推导中矩阵约束下的拉格朗日乘子


下一篇:LDA线性模型