特征选择与特征抽取的区别

机器学习领域的一个广泛问题是如何下降数据的维度，由于太高的维度会严重影响计算效率并形成数据稀疏。降维方法通常分为两类：特征选择 （Feature Selection）和特征抽取 （Feature Extraction）。 特征选择 特征选择的目标是从原始的d个特征中选择k个特征。 特征抽取 特征抽取的目标是根据原始的d个特征的组合造成k个新的特征，即将数据从d维空间映射到k维空间。 不管是特征选择

>>阅读原文<<