Sé que tanto la selección de características como la reducción de dimensionalidad apuntan a reducir el número de características en el conjunto original de características. ¿Cuál es la diferencia exacta entre los dos si estamos haciendo lo mismo en ambos?
Respuestas:
La diferencia es que el conjunto de características hechas por la selección de características debe ser un subconjunto del conjunto original de características, y el conjunto hecho por la reducción de dimensionalidad no tiene que hacerlo (por ejemplo, PCA reduce la dimensionalidad haciendo nuevas características sintéticas a partir de la combinación lineal de los originales, y luego descartando los menos importantes).
De esta forma, la selección de características es un caso especial de reducción de dimensionalidad.
La selección de características funciona en la reducción de varianza y dimensionalidad en el valor Eigen y el vector Eigen.
En la selección de características, en realidad estamos trabajando en atributos y dejamos los atributos basados en la varianza, pero en caso de reducción de dimensionalidad creamos una nueva dimensión basada en covarianzas.
Espero que mi respuesta te ayude, gracias por hacer la pregunta.