本文會利用sklearn引入breast_cancer datasets來訓練，在處理數據的部份，特徵工程用兩種方式去做處理，分別是特徵選取與特徵萃取的方式去做比較。
特徵選取的方法中，使用了KNN 分類器來選出最重要的兩個特徵
特徵萃取的方法中，使用了PCA降維

職場

學習

投資理財

軟體開發

[機器學習]特徵選取vs特徵萃取，應用breast_cancer資料庫比較其差異

Sequential Feature Selection(SFS)

用中文來解釋為，逐一特徵選取訓練，找出最重要的特徵，以提高模型的性能和效率

SFS 的一些用途包括：

維度縮減： 在高維度數據中，許多特徵可能是多餘或不重要的，使用 SFS 可以找到最能代表數據的特徵，從而減少計算和記憶體需求