Некоторые методы уменьшения размерности данных:

• Отбор признаков. 2 Заключается в оценке предсказательной силы каждого признака, то есть его информативности — насколько он коррелирует с целевой переменной. 2 Затем отбирается либо заданное количество признаков, либо те признаки, информативность которых выше некоторого порога. 2
• Метод главных компонент (PCA). 23 Осуществляет линейное отображение данных в пространство меньшей размерности таким образом, что дисперсия данных в малоразмерном представлении максимизируется. 3
• Метод опорных векторов. 4 Итеративный метод, при котором по исходному набору данных обучается классификатор, благодаря которому происходит дальнейшее ранжирование по весам. 4 Оптимальным образом по полученным весам отсекается определённое количество признаков. 4
• Метод случайных проекций. 2 Заключается в преобразованиях, сохраняющих расстояния и снижающих размерности. 2
• Аппроксимация и проекция равномерного многообразия (UMAP). 1 Метод нелинейного уменьшения размерности, визуально похожий на t-SNE, но предполагающий, что данные равномерно распределены по локально связному риманову многообразию. 1