↑: [[G検定に関する知識]] - 特徴量（次元）の数が増えるほど、学習に必要なデータ量が爆発的に増大する問題 - リチャード・ベルマン（Richard Bellman）が命名 - 高次元空間ではデータが非常に疎（まばら）になり、学習が困難になる - 対策：次元削減（PCAなど）、特徴量選択 - cf. [[特徴量エンジニアリング]] - cf. [[機械学習]]