高纬度变量

    这要从变量本身的性质来进行分析，为什么物理学上对很多的事情预测起来准确率能达到非常高的程度（例如预测卫星轨道），而对大部分疾病发生发展的预测很难达到90%？

被大量因素所影响的变量

    牛顿第二定律(加速度定律)是F=ma，F是物体所受的合外力，m是物体质量，a是加速度，物体的加速度跟物体所受的合外力成正比，跟物体的质量成反比，加速度的方向跟合外力的方向相同。这里可以看到加速度只和两个因素相关，因此想要预测物体的加速度知道知道这两个因素就行。

    但是，现实生活中绝大部分特征包括疾病的发生发展并不是由几个因素或者一个特定的公式就能预测出来的，影响这些特征的因素很多，并且不能确定有多少个，也不能确定这些因素具体是什么。我们非常希望能对未来有预测能力，特别是关于人体健康相关的事情。这个治疗方法能治愈多少病人、某类型的疾病的生存时间是多少、什么样的患者会有更高的复发率等等。

    我们面对的大部分特征被大量因素所影响，把这些影响因素放在一张表中肯定是一个高纬度的矩阵，因此我把这种变量称为高维度变量。这个矩阵的特征之间不是互不相关的关系，而是互相联系、错综复杂的关系。我想探讨的是在这个剪不断、理还乱的特征世界里，应该如何去探索规律、得到有预测价值的结论。

高维度变量的分析

    因素繁多而杂乱的世界无法构建出简洁优美的公式，只能通过概率去理解。这就是为什么统计学常常是解决问题