उच्च-आयामी डेटा को विज़ुअलाइज़ करना कठिन होता है, इसकी प्रोसेसिंग धीमी होती है और यह ओवरफिटिंग के प्रति संवेदनशील होता है। आयामी कमी से उपयोगी संरचना को यथासंभव संरक्षित रखते हुए विशेषताओं को एक छोटे समूह में संकुचित किया जाता है।

प्रमुख घटक विश्लेषण जैसी रैखिक विधियाँ डेटा को अधिकतम विचरण की दिशाओं पर प्रक्षेपित करती हैं। टी-एसएनई और यूएमएपी जैसी अरैखिक विधियाँ स्थानीय पड़ोस को संरक्षित करती हैं, जिससे वे क्लस्टर को देखने के लिए लोकप्रिय हो जाती हैं।

सामान्य तकनीकें

• प्रमुख घटक विश्लेषण
• रेखीय विभेदक विश्लेषण
• दृश्यीकरण के लिए t-SNE
• बहुआयामी शिक्षण के लिए यूएमएपी
• नॉनलाइनियर संपीड़न के लिए ऑटोएनकोडर

रिडक्शन में हमेशा कुछ न कुछ कमी रह जाती है। लक्ष्य है शोर और अनावश्यकता को कम करते हुए सिग्नल को बनाए रखना। आयामों की सही संख्या का चुनाव एक विवेकपूर्ण निर्णय होता है, जो अक्सर केवल पुनर्निर्माण त्रुटि के बजाय डाउनस्ट्रीम प्रदर्शन द्वारा निर्देशित होता है।