降维是通过获得一组基本上是重要特征的主变量来减少所考虑的特征变量的过程。
特征的重要性取决于特征变量对数据信息表示的贡献程度，以及决定使用哪种技术。决定使用哪种技术取决于试错和偏好。通常从线性技术开始，当结果表明拟合不足时，就转向非线性技术。
数据集降维的好处可以是:
( 1 )减少所需的存储空间。
( 2 )加快计算速度(例如在机器学习算法中)，更少的维数意味着更少的计算，并且更少的维数可以允许使用不适合大量维数的算法。
( 3 )去除冗余特征，例如在以平方米和平方英里存储地形尺寸方面没有意义(可能数据收集有缺陷)。
( 4 )将数据的维数降低到2D或3D可以允许我们绘制和可视化它，可能观察模式，给我们提供直观感受。
( 5 )太多的特征或太复杂的模型可以导致过拟合。
