这两天查阅关于空间聚类方法的文献，发现近年的研究热点是高维数据的聚类方法。在大数据背景下，不仅数据量增大，数据的维度也自低变高，从过去的一维、二维为主，变成如今的成百上千维，可谓维度灾难，维度数量很高的数据也被称为高维数据。
对于高维数据的聚类，传统的聚类方法难以胜任，新的常用思路就是基于降维的聚类，一种是直接对数据集进行降维再处理，一种是先把高维数据划分为若干不同的子空间，再根据需要在不同的子空间寻求聚类。
无论哪种方法，核心的思想都是在面临超高维度的复杂性时，化繁为简，降维打击。
我不禁联想到人类的成长也是一个维度自低升高的过程——当我们幼年时，只需关心吃、玩、睡；上学后，在此基础上增加两个维度，学习和朋友；青春期，再增加性懵懂和价值体现迷茫；工作后，又增加工作、挣钱、社会价值；随着年龄的增长，子女养育、父母赡养、自身健康。。。越来越多的问题需要面对和解决，我们面临的问题维度也变为了“高维数据”，时间金钱精力都有限，如何快速最优的解决高维问题？
当然这里首先需要一个很好的人生规划，这是道法术里的道。在不同的人生阶段，或者时间片段里，如何尽快从一团乱麻中把问题“聚类”集中高效处理，避免鸡飞狗跳、一地鸡毛的结果发生，是道法术里的法，可以参考基于降维的思想。
比如，人到中年，工作中，随着年龄、经验、资历的增长，面对的工作千头万绪；而同时家里孩子需要教育，校内校外事情也一大堆；父母年龄也大了，身体各种出毛病。。。如果处理不好，问题接踵而来，焦头烂额，雪上加霜，一地鸡毛是大概率的结果。
如何避免以上糟糕境况的演绎？是否可以学习高维数据的降维处理方法？一大波问题袭来不要怕，先发个朋友圈。。。不对，先降维处理——首先按照问题领域在人生规划中的投影等方面提取特征，把不太重要的问题过滤掉，然后再结合常规的问题处理法则，分出轻重缓急、难易程度等进行处理。给身体和心灵做减法，让身心灵在一起，把不必要的欲望摒弃掉。（未完待续）
