把数据压缩到少数最主要变化方向的降维方法。
老中医看舌脉，不会把几十个细枝末节平铺开讲，先抓住最主的几路症候。
它常用于降维、可视化和去噪，但压太狠会丢细节。
Dimensionality Reduction
PCA 是降维里的经典方法，用少数主成分概括数据。
Feature Selection
它不是挑原特征保留，而是把原特征重新组合。
Unsupervised Learning
它不需要标签，主要从数据本身找变化最大的方向。
Autoencoder
两者都能做压缩表示，但一个线性、一个通常更灵活。