Le travail proposé a été développé pour réduire le risque de représentation de données à haute dimension sous la forme d'une représentation de données à faible dimension. La réduction de la dimensionnalité est obtenue en choisissant les bonnes caractéristiques où les dimensions sont réduites, ce qui permet de construire un bon modèle pour réaliser le bon choix. Ce rapport présente les pratiques de réduction de la dimensionnalité telles que l'analyse en composantes principales (ACP), l'ACP à noyau et l'intégration linéaire locale (ELL).