特征选择：
事物体都具有特征属性，特征选择就是从这些特征属性中选取中能代表这种事物的特征，好比说一个人，头发、肤色、五官等都是特征属性，那么要找出非洲人的特征，就需要从中选择出有代表性的特征属性，肤色、语言等等
PCA：
PCA是一种特征属性降低维度的一种方法，主要是保护数据，让数据更接近某种特征属性，举个例子，比如亚州人肤色都近似黄色，但是总会有一些例外的，为了方便统计，我们对数据进行压缩，那些其他肤色的亚洲人都默认他们的肤色都是近似黄色。
改变了数据，保护了数据的信息量。
两者之间的区别很明显，前者就是直接剔除我们认为不能代表事物特征的特征属性，后者则是不惜修改数据来保护数据信息的减少，当然遇到不能保留的数据还是会舍弃，后者对于前者来说增加了一种对数据的体谅，因为不能每个数据都那么精准，那就只能用最接近事物特征的特征属性来替代，避免了数据流失，也确保特征的代表性。
原文：https://www.cnblogs.com/zzkai/p/12806986.html