降维袭击（Dimensionality Reduction）就是指把高维特征映射到低维空间的操作，是机械学习中经常使用到的方式。
研究降维袭击的目的是为了让高维数据易于剖析和可视化。由于高维数据难以直观的展现给人类来考察。例如我们手写字体的数据集MNIST有784维（28 * 28）。使用2D的图像或者3D图像泛起这个数据集是很难题的，以是需要降维手艺。然则现实上我们只需保留其中的一些主要的维度，就可以保留足够的信息，同时到达更好的可视化效果。
降维袭击应用在数学建模中，可以用于处置一些高维数据的回归问题或分类问题，在这些问题中有许多特征在原始空间中无法区分，维渡过高导致模子容易过拟合。对于高维数据确立线性模子或非线性模子时，可以先对数据举行降维，去除冗余特征，降低盘算量，制止过拟合。同时，也可以通过降维提取数据的主要特征，提高模子的表达能力。
降维袭击是数学建模中重要的手艺，其应用领域涉及到物理、金融、医疗等各大领域，而且近年来，随着大数据的生长，降维袭击手艺变得加倍重要。
