知乎是一个中文互联网高质量的问答社区，用户可以在这里发现问题背后的世界，并分享知识、经验和见解。

2021年12月1日 · 有一个数据集，特征值大约有100个，这个时候我该采用什么合适的算法来预测呢？

高维数据的概念其实不难，简单的说就是多维数据的意思。平时我们经常接触的是一维数据或者可以写成表形式的二维数据，高维数据也可以类推，不过维数较高的时候，直观表示很难。

知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、 …

本文讨论了高维数据聚类问题，介绍了几种常见的聚类方法和降维技术。

看到很多说在高维空间，样本稀疏，距离计算困难，计算量太大，欧式距离失效。为啥在高维的时候距离会失

对于高维度的数据，利用欧式距离来度量相似性的算法（比如kmeans）都不能用了吗，为什么？

其实我觉得对于大数据来说，最最最重要的一点是如何在分布式系统上实现这样一个算法而不是专注于提升单机的运算效率，看到有人提出了Pegasos，这的确是一个方向，一旦用到了gradient方法，放到分布式上基本就是走那条parameter server的老路，虽然不清楚对于SVM的稳定性如何，但intuitively是可行的。

具体还要看数据质量，但是可以通过支持向量机的原理理解，支持向量机是通过将低维数据投影到高维空间，在低维空间不可分的数据投影到高维后会更离散，可分性更强。

在之前的文章中介绍了CNN的图解入门，CNN的MATLAB分类实现，CNN的MATLAB回归实现。. 卷积神经网络(Convolutional Neural Networ，简称CNN)是一种广泛应用于图像识别领域的深度学习算法。