Lasso(Least absolute shrinkage and selection operator, Tibshirani(1996))

方法是一种压缩估计，它通过构造一个罚函数得到一个较为精炼的模型，使得它压缩一些系数，同时设定一些系数为零。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。Lasso

的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于

0

的回归系数，得到可以解释的模型。lasso通过参数缩减达到降维的目的；

Lasso在linear model的基础上加了penalty，可以吧coefficient缩小到0（ridge类似，但是不可以缩小到0）。

PCA也可以降维，但是结果不一定好跟有道理。

小波分析是用傅里叶换成波长做time-frquency analysis那个吗，那个就是一个信号转换的分析，不可以减少数据纬度吧。

LDA, 用她做过分类，没用过这个做降维。

拉普拉斯特征映射，类似一个matrix decomposition的方法，也可以降维，我没用过但是感觉跟PCA类似。