一、用自己的话描述出其本身的含义：
1、特征选择
通过特征选取删选掉冗余和不相关的特征来进一步降维。
2、PCA
将n维特征映射到k维上（k<n），这k维是全新的正交特征。这k维特征称为主元，是重新构造出来的k维特征，而不是简单地从n维特征中去除其余n-k维特征。
二、并用自己的话阐述出两者的主要区别
PCA：用于减少数据集的维度，同时保持数据集中使方差贡献最大的特征。改变了原来特征的形式。
特征选取：是从包含多个特征的数据集中挑选出几个特征作为实际使用的数据集，用于训练模型。没有改变特征的形式。
原文：https://www.cnblogs.com/AC0314/p/12827840.html