O trabalho proposto foi desenvolvido para reduzir o risco de representação de dados de alta dimensão sob a forma de representação de dados de baixa dimensão. A redução na dimensionalidade é alcançada escolhendo as características certas onde as dimensões são reduzidas, constrói-se um modelo certo para se conseguir a escolha certa. Este relatório apresenta as práticas de redução da dimensionalidade como a Análise de Componentes Principais (PCA), PCA de Kernel e Embedded Locally Linear (LLE).