הפחתת מימדיות מתייחסת לתהליך של הפיכת נתונים במימד גבוה לצורה מימדית נמוכה יותר, תוך שמירה על מידע רלוונטי ככל האפשר. נתונים ממדים גבוהים, שרואים לעתים קרובות ביישומי בינה מלאכותית רבים, יכולים להוביל למורכבות חישובית מוגברת ועלולים לגרום להתאמת יתר. על ידי הפחתת הממדיות, ניתן למתן את הבעיות הללו ולעתים קרובות להאיץ את תהליך הלמידה עבור מודלים של למידת מכונה.
המטרה העיקרית של הפחתת מימד היא לייצג נתונים בפורמט דחוס מבלי לאבד תובנות קריטיות. טכניקות כמו Principal Component Analysis (PCA), t-SNE ומקודדים אוטומטיים משמשות בדרך כלל למטרה זו. שיטות אלו מסייעות בהצגה של נתונים במימד גבוה, בשיפור ביצועי המודל, ובהבטחת אחסון ועיבוד יעילים יותר.
