通俗解释：什么是数据降维

什么是数据降维？关于这个问题，很多大师的说法都非常学术，估计很多普通人听不懂。所以，这里用通俗的语言解释一下，希望更多的人能理解。
假设一个小学的班级有5个学生，每个人有2们考试成绩，语文和数学。A同学的语文是100分，数学是100分；B同学的语文是90分，数学是100分；C同学的语文是80分，数学是100分；D同学的语文是70分，数学是100分；E同学的语文是60分，数学是100分。
对这个场景，我们要注意到，每位同学的数学成绩都是一样的，都是100分。
这时，如果我们提到“语文是80分，数学是100分的那个同学”，你一定知道我们指的一定是同学C。
但是，如果我们只说“语文是80分的那个同学”，你是不是也知道我们指的一定是同学C！
这就是一个将二维数据降维到一维数据的例子，因为大家的数学都是100分，所以每个同学的数学数据对区分同学之间的差异没有任何价值，仅仅使用语文数据（即一维数据）就足够了，而且用来区分同学100%够用。
所以，做数据分析时，常说的，如果一个维度的数据在各个样本之间的差异很小（用专业的话说就是方差很小）的话，这个数据维度就越没有价值。只有在各个样本之间的差异很大的数据维度（用专业的话说就是方差很大的维度），才值得保留。
这是一个非常浅显易懂的例子。如果稍微加入一些专业的东西的话，我们可以用一个二维坐标系来表示这5位同学，x轴代表语文的分数，y轴代表数学的分数，他们的坐标分别是：A(100,100), B(90,100), C(80,100), D(70,100), E(60,100)。
你看到了什么？没错，它们都位于y=100这条直线上，所不同的是x坐标值。

因此，在这