降维和归约的区别？
降维
在降维中，数据编码或转换用于访问原始数据的减少或“压缩”描述。如果可以从压缩数据中重新生成原始数据而不会丢失任何数据，则数据缩减称为无损。如果重构的数据仅近似于原始数据，则数据缩减称为有损。
DWT几乎与离散傅立叶变换(DFT)相关联，这是一种包含正弦和余弦的信号处理技术。一般来说，DWT实现了更好的有损压缩。也就是说，如果为给定数据向量的DWT和DFT保持相似数量的系数，则DWT版本将支持更准确的原始数据近似。因此，对于等效近似，DWT需要的面积比DFT少。
数量减少
在数量减少中，通过选择替代的、较小形式的数据表示来减少数据量。这些技术可以是参数的或非参数的。对于参数化方法，模型可以估计数据，这样只需要保存数据参数，而不是实际数据，例如Log-linear模型。非参数方法用于存储数据的简化表示，包括直方图、聚类和采样。
让我们看看降维和归约之间的比较。
Thetwovectorsareofthesamelength.Whenapplyingthistechniquetodatareduction,itcanconsidereachtupleasann-dimensionaldatavector,thatis,X=(x1,x2,…xn)depictingnmeasurementsmadeonthetuplefromndatabaseattributes.
例如，随机变量y（称为响应变量）可以建模为另一个随机变量x（称为预测变量）的线性函数，方程为y=wx+b，其中y的方差假设为常数。