Die Dimensionalitätsreduktion stellt eine Methode dar,
die dabei hilft möglichst aussagekräftige Variablen zur Weiterverwendung des
Datensatzes zu finden und somit die Runtime von Machine Learning-Algorithmen
möglichst effizient zu gestalten. Verschiedene Methoden hierzu sind
beispielsweise die Korrelationsanalyse, der Wrapper-Ansatz oder die Hauptkomponentenanalyse
(PCA).