Dữ liệu đa chiều khó trực quan hóa, xử lý chậm và dễ bị quá khớp. Giảm chiều dữ liệu giúp nén các đặc trưng thành một tập hợp nhỏ hơn trong khi vẫn bảo toàn được cấu trúc hữu ích tối đa.

Các phương pháp tuyến tính như phân tích thành phần chính (PCA) chiếu dữ liệu lên các hướng có phương sai tối đa. Các phương pháp phi tuyến tính như t-SNE và UMAP bảo toàn các vùng lân cận cục bộ, điều này khiến chúng trở nên phổ biến để trực quan hóa các cụm.

Các kỹ thuật thông thường

• Phân tích thành phần chính
• Phân tích phân biệt tuyến tính
• t-SNE để trực quan hóa
• UMAP cho học tập đa tạp
• Bộ mã hóa tự động cho nén phi tuyến tính

Việc giảm kích thước luôn làm mất đi một số thứ. Mục tiêu là loại bỏ nhiễu và sự dư thừa trong khi vẫn giữ được tín hiệu. Việc lựa chọn số chiều phù hợp là một quyết định mang tính chủ quan, thường được hướng dẫn bởi hiệu suất của hệ thống tiếp theo hơn là chỉ dựa vào lỗi tái tạo.