在针对变量多、纬度高的多变量训练模型时可过滤的变量
1.缺失的变量值
2.低方差
3.高线性度：可利用Pearson (continuous variables) or Polychoric (discrete variables) 相关矩阵进行判断
4反向特征消除：
在消除每个变量（n次）后，计算误差平方和（SSR）。
然后，识别那些删除后SSR增加最小的变量，最后删除它，使我们有n-1输入特性。
重复此过程，直到不能删除其他变量
5.因子分析法
因子分析都是以普通因子分析模型作为理论基础，其主要目的都是浓缩数据，
通过对诸多变量的相关性研究，可以用假想的少数几个变量(因子、潜变量)来表示原来变量(观测变量)的主要信息。
转：https://www.analyticsvidhya.com/blog/2015/07/dimension-reduction-methods/
原文：https://www.cnblogs.com/jzzyg/p/11358241.html