高维数据降维是指采用某种映射方法，降低随机变量的数量，例如将数据点从高维空间映射到低维空间中，从而实现维度减少。降维分为特征选择和特征提取两类，前者是从含有冗余信息以及噪声信息的数据中找出主要变量；后者是去掉原来数据，生成新的变量，可以寻找数据内部的本质结构特征。
降维的过程是通过对输入的原始数据特征进行学习，得到一个映射函数，将输入样本映射到低维空间中之后，原始数据的特征并没有明显损失，通常情况下新空间的维度要小于原空间的维度。目前大部分降维算法是处理向量形式的数据。
