特征抽取:特征抽取后的新特征是原来特征的一个映射
特征选择:特征选择后的特征是原来特征的一个子集
特征抽取的方法主要是通过属性间的关系,如组合不同的属性得到新的属性,这样就改变了原来的特征空间。
特征选择的方法是从原始特征数据集中选择出子集,是一种包含关系,没有改变原始的特征空间。
特征抽取:PCA和LDA
主要有两个类别:
信号表示:特征抽取后的特征要能精确地表示样本信息,使样本信息丢失很小。对应的方法是PCA
信号分类:特征抽取后的特征,要使分类后的准确率很高,不能比原来特征进行分类的准确率低。对与线性来说,对应的方法是LDA。
PCA和L