老师，看看LASSO和PCA的区别

Question

LASSO 是直接将其中的某些特征直接去掉了达到了降维的作用，而PCA是将几个特征放在同一个维度上作比较，从而达到了降维的作用，相当于特征前乘以了一个cosx的数值，但是特征对整个模型的影响还是在的。是不是可以这么理解？

Answer 1

liuyubobobo 2019-07-07 01:34:11

可以这么理解。

这里最大的区别是，LASSO是一个特征选择，通过LASSO，一些特征没有了。

但是，PCA是特征转换，降维后的每一个新的维度，其实都包含了原有特征的信息（只是占比不同），但是，降维后的新的维度，丢失了原有维度的语义信息。

比如一个包含温度和大小的特征，降为一维，LASSO以后，就留下了温度或者大小某一个维度。但是PCA以后，留下的这个维度，既不是温度，也不是大小，是结合这二者的维度。就是课程中介绍的，用w乘的结果：w1*温度 + w2*大小。

继续加油！：）