有大量的二分类和等级分类指标，需要进行降维处理以进行建模和拟合，lasso回归处理结果不理想，请问还有哪些方法可以用？最好是能R语言实现的。谢谢！
深度神经网络（DNN），自动编码机，支持向量机（SVM），决策森林。
先弄清楚你要降哪个维度， 比如说这里有 n条数据，每个数据有m个特征。如果你要降m那肯定是PCA，他会把变化差不多的特征合并，这样特征的维度就下来了。
如果你要降m，这里有两说，首先你不用使用全部的数据啊，你只需要哪出一部分来拟合就行了，svm和拟合都是泛华能力很强的二分方法，所以只需每次抽一点数据进行训练就行了。
如果你追求分类效果，级联分类器tree和boost这种最适合，当然繁华能力就弱多了，所以你最好是把所有的数据都用来训练。
cnn深度学习这种适合图像语音这种特征比较多的信号，如果你的特征（m）不大（几十~~几百）的话可以考虑去看看GDBT和LigthGBM这两个是比较高端一点的树分类。
还有，补充一下，你可以先对数据做聚类，然后每一类中挑出一部分数据来训练，这样也能达到降维的数据。
R语言不清楚啊，matlab用的多......
主成分分析是用来降维度的，原理是矩阵的奇异值分解，把奇异值高的部分留下作为主成分，小的部分视为0即可。