13 我知道特征选择和降维都旨在减少原始特征集中的特征数量。如果我们在两者中做相同的事情，两者之间的确切区别是什么？ machine-learning pca feature-selection dimensionality-reduction — 伦敦人 source
13 不同之处在于，通过特征选择生成的特征集必须是原始特征集的子集，而不必通过降维处理而生成的特征集（例如，PCA通过从原始的，然后丢弃次要的）。 这种方式的特征选择是降维的一种特殊情况。 — FairMiles source
0 特征选择适用于方差，而维数缩减适用于特征值和特征向量。 在特征选择中，我们实际上是在处理属性，并基于方差保留属性，但是在降维的情况下，我们会基于协方差创建新的维。 希望我的回答能帮助您感谢您提出的问题。 — 里夫斯 source 嗯...特征选择对方差有效吗？ — Siong Thye Goh VarianceThreshold是用于选择功能的简单基准方法 scikit-learn.org/stable/modules/feature_selection.html — Reeves 降维不必使用特征值和特征向量，例如，不需要UMAP和t-SNE。 — alan ocallaghan