据转化为低维数据？

还是说将高维模型转化为低维模型？

抑或是什么其他含义？

伊芙·卡莉很想询问一下。

不过考虑到林灰先前为了米娜·卡莉做出的贴心之举。

伊芙·卡莉并不好就这种事情让林灰带来的翻译陷入到不安之中。

仔细思索林灰话里的含意。

首先伊芙·卡莉觉得林灰想说的应该不是将高维数据降低成低维数据。

在进行自然语言处理时如果出现了高维数据的话。

在分析高维数据时，确实是可以进行降维的。

也必须要进行降维！

高维数据模型虽然收集到的数据点很多。

但是所收集到的数据通常会散布在一个极其分散广袤的高维空间中。

这种情况下很多统计方法都难以应用到高维数据上。

这也是“维度灾难”存在的原因之一。

遇到这种维度灾难，不降维的话高维数据是很难进行处理的。

（ps：……数学天赋点满的人高维也能硬上）

作为数据去噪简化的一种方法，降维处理对处理大多数现代机器学习数据很有帮助。

通过降低数据的维度，理论上讲可以把这个复杂棘手的问题变得简单轻松。

机器学习领域中所谓的降维就是指采用某种映射方法。

将原高维空间中的数据点映射到低维度的空间中。

这么做是为了除去噪音同时保存所关注信息的低维度数据。

这样对研究人员理解原本的高维数据所隐含的结构和模式很有帮助。

原始的高维度数据通常包含了许多无关或冗余变量的观测值。

降维可以被看作是一种潜在特征提取的方法。

降维这种方法经常用于数据压缩、数据探索以及数据可视化。

话虽如此，但降维并不是像科幻书里描述的那般扔一个二向箔就