В чём разница между отбором признаков и понижением размерности?

Разница между отбором признаков и понижением размерности заключается в подходах к уменьшению количества признаков в наборе данных. www.ultralytics.com {7-host}

Отбор признаков — это процесс выбора подмножества наиболее значимых характеристик из исходного набора данных для построения модели. www.mql5.com Алгоритм оставляет в наборе данных только те признаки, которые будут наиболее важны для решения задачи. edu.mmcs.sfedu.ru Например, если нужно классифицировать книги по жанрам и языкам, то информация об авторе не нужна. edu.mmcs.sfedu.ru Также алгоритм убирает признаки, у которых много пропущенных значений, и коррелирующие признаки — те, которые сильно связаны друг с другом. edu.mmcs.sfedu.ru

Понижение размерности — это преобразование данных с большим количеством признаков (столбцов) в новую таблицу с меньшим количеством столбцов. edu.mmcs.sfedu.ru Количество строк (объектов) при этом останется неизменным. edu.mmcs.sfedu.ru Суть понижения размерности — уменьшение количества признаков, описывающих каждый объект. edu.mmcs.sfedu.ru Например, если объединить несколько признаков в линейную комбинацию, то новых признаков будет меньше, чем исходных, но при этом сохранится максимально возможное количество информации из исходных признаков. {7-host}

Таким образом, отбор признаков фокусируется на выборе значимых характеристик, а понижение размерности — на уменьшении количества признаков в целом.