问特征选择、聚类、降维算法的区别

EN

特征选择：

在机器学习和统计中，特征选择又称变量选择、属性选择或变量子集选择，是指在模型构建中选择相关特征子集(变量、预测器)的过程。

聚类：

聚类分析或聚类是对一组对象进行分组的任务，使同一组中的对象(称为集群)之间(在某种意义上)比其他组(集群)中的对象更相似。

降维：

在机器学习和统计中，降维或降维是减少所考虑的随机变量数目的过程，可分为特征选择和特征提取。

当您有许多特性并且希望使用其中一些特性时，您可以应用特性选择(即mRMR)。因此，这意味着你已经应用了维数约简。

然而，聚类是将一组观测分配到子集(称为簇)中，这样同一簇中的观测在某种意义上是相似的。聚类是一种无监督学习方法，是一种常用的统计数据分析技术(check 机器学习中的聚类)。当您想根据不同的数据点的特征对其进行分组(集群)时，您可以使用/不使用维数约简来应用聚类(即k-均值)。