机器学习：数据维度很高时，风控模型如何建立和应对高维数据分析?

高维存在很多问题，就如同人是三维生物，很难想象四维空间是什么样的。

高维度数据也存在很多问题，例如数据的稀疏性，任何2个数据之间的距离都很远，要知道很多模型是基于距离设计的，这些模型的效果会大大减弱。

但这是一个普遍的问题， 所以解决方法也很多，例如使用算法将数据降维到低维空间，可以使用传统机器学习的pca，使用一个简单前馈神经网络，也可以使用autoencoder，都可以大幅降低维度，信息的损失却非常少。