特征提取和特征选择
特征提取：根据目前的一组特征集创建新的特征子集 。即将机器学习算法不能识别的原始数据转化为算法可以识别的特征的过程 。
特征选择：从所有的特征集选出一个特征子集 。即去掉无关特征，保留相关特征的过程，特征选择本质上可以认为是降维的过程，不产生新的特征
对比图：
一、特征提取方法
1、主成分分析（PCA）
2、线性判别分析法（LDA）
3、多维尺度分析法（MDS）
4、独立成分分析法( ICA )
5、核主成分分析法(如核方法KPCA，KDA)
6、基于流型学习的方法
二、特征选择方法
1、按搜索策略分类
【文本预处理技术】2、按评价准则分类

• synonmys 处理文本：词语句子相似度比较
• 云和恩墨重磅助力2017第八届中国数据库技术大会
• 数据预处理考试大纲
• CSDN技术训练营——长沙理工大学
• 模糊综合评价法用什么软件实现_采用先进算法技术 实现低效资产评估智能化...
• 信息安全：VPN 技术原理与应用.
• 【嵌入式技术及应用】10分钟拿下嵌入式
• 解读NoSQL技术代表之作Dynamo
• 如何注销支付宝账号
• 广东职业技术学院可以走读吗