Große Datenmengen sind bei der Berechnung von ML-Algorithmen problematisch. Eine Lösung liegt in Dimensionsreduktionsverfahren wie der Linearen Diskriminanzanalyse (LDA), sie reduziert die Anzahl der Daten-Merkmale unter Berücksichtigung der vorhandenen Klassen Labels.
Das Lernen auf großen, hochdimensionalen Datensätzen liefert besonders aussagekräftige Ergebnisse, verbraucht aber sehr viel Speicher- und Rechenkapazität. Das Verfahren der Dimensionsreduktion kann zur Lösung dieses Problems beitragen.
