一、用自己的话描述出其本身的含义：
1、特征选择
特征选择也叫特征子集选择。分为有监督学习和无监督学习。从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，将高维空间的样本通过映射或者是变换的方式转换到低维空间，达到降维的目的。
是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段，是模式识别中关键的数据预处理步骤。
2、PCA 主成分分析
PCA主成分分析是利用降维的思想，多个指标转化为少数几个综合指标，从而使数据能更好的进行分析和可视化。
二、并用自己的话阐述出两者的主要区别
PCA改变了原来特征的形式。
特征选取没有改变特征的形式。