Проблема проклятия размерности в многомерном анализе заключается в экспоненциальном возрастании количества данных из-за увеличения размерности пространства. 24

Особенно явно она проявляется при работе со сложными системами, которые описываются большим числом параметров. 2 Это влечёт за собой следующие трудности: 2

• трудоёмкость вычислений; 2
• необходимость хранения огромного количества данных; 2
• увеличение доли шумов; 2
• в линейных классификаторах увеличение числа признаков ведёт к проблемам мультиколлинеарности и переобучения. 2

Кроме того, организация и поиск данных часто зависят от обнаружения областей, где объекты образуют группы со схожими свойствами. 5 Однако в многомерных данных все объекты кажутся разреженными и во многом непохожими, что не позволяет общим стратегиям организации данных быть эффективными. 5

Для устранения проблемы проклятия размерности основная идея — понизить размерность пространства, а именно спроецировать данные на подпространство меньшей размерности. 2 На этой идее, например, основан метод главных компонент. 2 Также можно осуществлять отбор признаков и использовать алгоритм вычисления оценок. 2