首先什么是维度降维是什么意思？

零维是点，一维是线，二维是面，三维是体，四维公认的是加上时间的维度。

先讲，零维是点，是一个非常非常小的一个点，按宇宙大爆炸的说法，他是一个奇点。在宇宙之初就是这样一个点。这里讲的这个点不是指大小，是它没有内部，也没有外部，它可以是很大很大的一个点，就是一种这样的状态，也没有具体的形状。

如果这个奇点沿着一个方向移动，或者往前或者往后就形成了一条线，只有在这一条线移动，就形成了一维，变成了一条线。一维没有粗细只有方向，它是没有尽头，也没有短，也没有长，就是这样一条线就像我们定义直线一样，当然它也可以是曲线。如果我在以为空间里，不是往前走就是往后走。

如果这条线整体的移动往某个方向移动就形成了一个面这个面。这个面就形成了二维是由两个不同的方向。

二维的面相上下移动，他不是在他本平面移动上下移动，就形成了一个体，那这个体就是我们现在能看到的，接触到的空间的概念。

这个体在整体移动就形成了时间，在不同的时间会有不同的呈现，就如同我们的生命或者宇宙过程。比如在互联网里，在虚拟世界里，在梦里时间是不存在的，可以瞬间回到过去或未来，这就是四维空间。

更高维的空间，如五维六维到更高维。是我们按着这个思维逻辑去推演，这就是问题里讲的思维逻辑的概念，我们要按着这个逻辑去推演出来的，我们目前还无法理解。

有一个词叫做降维打击。就是从高维降到低维，比如从体变成面，那这样的打击就如把一个聪明人变成一个傻子，把一个高级动物变成低级生物一样，从多细胞变成单细胞一样的过程。降低的主要是智慧。

这个问题涉及较广，供参考！

聚类和降维有什么区别与联系？

聚类用于找寻数据内在的分布结构,既可以作为一个单独的过程，比如异常检测等等。也可作为分类等其他学习任务的前驱过程。聚类是标准的无监督学习。

1) 在一些推荐系统中需确定新用户的类型，但定义“用户类型”却可能不太容易,此时往往可先对原油的用户数据进行聚类,根据聚类结果将每个簇定义为一个类,然后再基于这些类训练分类模型,用于判别新用户的类型。

2）而降维则是为了缓解维数灾难的一个重要方法，就是通过某种数学变换将原始高维属性空间转变为一个低维“子空间”。其基于的假设就是，虽然人们平时观测到的数据样本虽然是高维的，但是实际上真正与学习任务相关的是个低维度的分布。从而通过最主要的几个特征维度就可以实现对数据的描述，对于后续的分类很有帮助。比如对于Kaggle上的泰坦尼克号生还问题。通过给定一个人的许多特征如年龄、姓名、性别、票价等，来判断其是否能在海难中生还。这就需要首先进行特征筛选，从而能够找出主要的特征，让学习到的模型有更好的泛化性。

聚类和降维都可以作为分类等问题的预处理步骤。

但是他们虽然都能实现对数据的约减。但是二者适用的对象不同，聚类针对的是数据点，而降维则是对于数据的特征。另外它们着很多种实现方法。聚类中常用的有K-means、层次聚类、基于密度的聚类等；降维中常用的则PCA、Isomap、LLE等。

PCA: ://en.wikipedia.org/wiki/Principal_component_analysis

Isomap: ://en.wikipedia.org/wiki/Isomap

LLE: ://en.wikipedia.org/wiki/Nonlinear_dimensionality_reduction#Locally-linear_embedding

恋爱中的降维打击是什么意思

爱情里降维打击的意思是一段感情中，看不起对方所拥有的品质或条件的同时，将自己所拥有的品质或条件给对方，借此迎合对方，让对方认为拥有了缺失的东西，通过这种方式，在心理和生理上摧毁对方，让对方魂不守舍，死心塌地的爱着自己。
降维打击最初在商业领域得到快速传播，用于形容一种商业思维，并由字面“望文生义”，生出其他含义，即用于形容拥有高端技术的群体直接进入低端技术群体的领域，对后者形成碾压式的打击，类似于恃强凌弱、以大欺小和技术碾压，其天然带有压倒性的比较优势属性。