在本章中，读者学习了三种不同的基于特征提取的基本降维技术：标准PCA、LDA，以及核PCA。使用PCA，我们可以在忽略类标的情况下，将数据映射到一个低维的子空间上，并沿正交的特征坐标方向使方差最大化。与PCA不同，LDA是一种监督降维技术，这意味着：在线性特征空间中尝试使得类别最大可分时，需要使用训练数据集中的类别信息。最后，我们学习了核PCA，通过核PCA可以将非线性数据集映射到一个低维的特征空间中，使得数据线性可分。
在掌握了这些数据预处理的基本技术后，读者可以准备进入下一章，学习如何有效地组合不同的预处理技术，以及模型性能评估等方面的内容。