[似乎有许多降低维数的技术（pca，svd等），以逃避维数的诅咒。但是，您怎么知道您的数据集实际上存在高维问题呢？有没有像可视化这样的最佳实践，或者甚至可以使用KNN找出答案？
我有一个具有99个要素和1个连续标签（价格）和30,000个实例的数据集。
维数诅咒是指决定要素维数与数据大小之间关系的问题。已经指出，随着您的功能大小/尺寸的增长，成功建模问题的数据量也会成倍增长。
问题实际上是在您的数据呈指数增长时出现的。因为您必须考虑如何正确处理它（需要存储/计算能力）。因此，我们通常会尝试找出问题所需尺寸的正确大小（可能使用交叉验证），然后仅选择这些特征。另外，请记住，使用大量功能会带来过度拟合的高风险。
您可以使用特征选择或特征提取来减少尺寸。LASSO可以用于特征提取，而PCA和LDA可以用于特征提取。