一、用自己的话描述出其本身的含义：
1、特征选择
能够提升模型的性能，帮助我们理解数据的特点、底层结构
2、PCA
使用较少的数据维度，同时保留住较多的原数据点的特性。尽可能将原始特征往具有最大投影信息量的维度上进行投影。将原特征投影到这些维度上，使降维后信息量损失最小
二、并用自己的话阐述出两者的主要区别
1、特征选择
选取出的特征不改变原有特征信息
2、PCA
注重实用性。可用于简化运算，可视化高维数据，发现隐性相关变量。
原文：https://www.cnblogs.com/chenjd/p/12822389.html