Algorithm 在异常值检测中，将高维数据随机投影到低维数据有意义吗？

我有一些高维数据，我想从中检测异常值。我知道，如果我在处理低维数据，我可以对数据点进行聚类，然后检查数据点是否属于某个聚类，或者计算从该数据点到其k个最近邻的平均距离，等等。但我无法对高维数据执行这些操作，因为维的诅咒

所以我想也许我可以随机地将高维数据投影到低维数据，并检查数据点的投影是否是大多数转换数据集中的异常值。我的假设是，高维中的离群值在大多数低维预测中也应该是离群值

例如，随机生成一些从（假设我们有维度诅咒）到（我们可以用传统方法进行聚类）的投影，表示为（所有这些投影都是带有随机元素的矩阵）。假设我们想要检测数据中的异常值。如果对许多人来说，是一个异常值，那么是一个异常值

---

这有意义吗？

执行异常检测的典型方法是使用。这个想法与您描述的类似，但它使用线性代数来明智地选择执行投影的确切方式。这样做可以保证投影时丢失的信息量最小。

您知道称为降维的一套技术吗？@delnan谢谢。我现在正在读有关它的书。