Какие знаешь методы снижения размерности

PCA (Principal Component Analysis) — линейный метод, проецирующий данные на ортогональные оси с максимальной дисперсией. Пример:

from sklearn.decomposition import PCA
pca = PCA(n_components=2)
X_reduced = pca.fit_transform(X)

t-SNE (t-Distributed Stochastic Neighbor Embedding) — нелинейный метод, сохраняющий локальные структуры данных. Подходит для визуализации:

from sklearn.manifold import TSNE
tsne = TSNE(n_components=2)
X_embedded = tsne.fit_transform(X)

Другие методы:

• UMAP (аналог t-SNE, но быстрее и лучше масштабируется)
• LDA (Linear Discriminant Analysis) — для размеченных данных
• Autoencoders — нейросетевой подход
• Feature selection (отбор признаков через ANOVA, корреляции и др.)