13 피처 선택과 치수 축소는 원래 피처 세트의 피처 수를 줄이는 것을 목표로합니다. 둘 다 같은 일을한다면 두 사람의 정확한 차이점은 무엇입니까? machine-learning pca feature-selection dimensionality-reduction — 런던 사람 소스
13 차이점은 피처 선택에 의해 생성 된 피처 세트는 원래 피처 세트의 서브 세트 여야하며 치수 축소에 의해 설정된 세트는 필요하지 않습니다 (예 : PCA는 원래 것들을 버리고 덜 중요한 것들을 버립니다). 이러한 방식으로 피처 선택은 차원 축소의 특별한 경우입니다. — 페어 마일즈 소스
0 특징 선택은 분산 및 치수 축소에서 작동하며 고유 값 및 고유 벡터에서 작동합니다. 피처 선택에서 실제로 속성을 작업하고 분산을 기준으로 속성을 남겨두고 있지만 차원 축소의 경우 공분산을 기반으로 새 치수를 만듭니다. 내 답변이 질문을 해 주셔서 감사합니다. — 리브스 소스 흠 ... 기능 선택이 분산에서 작동합니까? — Siong Thye Goh VarianceThreshold는 기능 선택을위한 간단한 기본 접근 방식입니다. scikit-learn.org/stable/modules/feature_selection.html — Reeves 차원 축소에서는 고유 값을 사용할 필요가없고 고유 벡터 (예 : UMAP 및 t-SNE)는 사용할 수 없습니다. — 앨런 ocallaghan