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

一般是减少样本中不相关的特征，加快模型的训练速度和效率，比如预测今天是否会下雨，其中性别比例就是多余的特征。

2、PCA

就是识别数据中主要的特征，然后通过分析特征值，确定出需要保留的主成分个数，舍弃其他主成分，从而实现数据的降维。

二、并用自己的话阐述出两者的主要区别

特征选择是不改变原有数据的情况下进行特征的选择；

而PCA则是通过降维来“压缩”数据的特征，比如原数据中一个值是10，降维后变为5，从本质上来说，数据的特征并没改变。