Die vorgeschlagene Arbeit wurde entwickelt, um das Risiko einer hochdimensionalen Datendarstellung in Form einer niedrigdimensionalen Datendarstellung zu verringern. Die Reduzierung der Dimensionalität wird durch die Auswahl der richtigen Merkmale erreicht, wobei die Dimensionen reduziert werden und ein geeignetes Modell erstellt wird, um die richtige Wahl zu treffen. In diesem Bericht werden die Verfahren zur Dimensionalitätsreduzierung wie Hauptkomponentenanalyse (PCA), Kernel-PCA und Locally Linear Embedded (LLE) vorgestellt.