特徵轉換和前面的特徵選擇和特徵構造都有點像，但是他們還是不一樣的。
特徵轉換講的是如何從已有的信息裏面構造出來有用的特徵，如何用更少的特徵來更好的描繪出來我們的模型。這裏就涉及到了降維的概念。但是這和特徵選擇還是不一樣的，特徵選擇是從我們已有的特徵裏面選擇出來和目標值相關的特徵，而特徵轉換是從已有的特徵裏面通過變換構造出來一些新的變量，然後選擇更少的變量更好的描繪我們的模型。
特徵轉換裏面也有產生新的特徵，但是和特徵構造不同的是，特徵構造僅僅用一些簡單的方法，比如相加，相乘等，會產生一些毫無用處的特徵，而特徵轉換是產生有意義的，對模型解釋性很好的特徵。
這一節講了兩種方法，PCA和LDA，沒有其它。