Was ist der Unterschied zwischen Merkmalsauswahl und Dimensionsreduzierung?

Ich weiß, dass sowohl die Merkmalsauswahl als auch die Dimensionsreduzierung darauf abzielen, die Anzahl der Merkmale im ursprünglichen Merkmalssatz zu reduzieren. Was ist der genaue Unterschied zwischen den beiden, wenn wir in beiden dasselbe tun?

Der Unterschied besteht darin, dass die durch Merkmalsauswahl erstellte Merkmalsmenge eine Teilmenge der ursprünglichen Merkmalsmenge sein muss, und die durch Dimensionsreduzierung erstellte Menge dies nicht muss (z. B. reduziert PCA die Dimension, indem neue synthetische Merkmale aus einer linearen Kombination von erstellt werden die ursprünglichen und dann die weniger wichtigen wegwerfen).

Auf diese Weise ist die Merkmalsauswahl ein Sonderfall der Dimensionsreduzierung.

Die Merkmalsauswahl wirkt sich auf die Varianz- und Dimensionsreduktion auf den Eigenwert und den Eigenvektor aus.

Bei der Featureauswahl arbeiten wir tatsächlich an Attributen und belassen die Attribute auf der Grundlage der Varianz. Bei einer Dimensionsreduzierung erstellen wir jedoch eine neue Dimension auf der Grundlage von Kovarianzen.

Hoffe, meine Antwort hilft Ihnen, danke für die Frage.