高維資料的概念其實不難，簡單的說就是多維資料的意思。平時我們經常接觸的是一維資料或者可以寫成表形式的二維資料，高維資料也可以類推，不過維數較高的時候，直觀表示很難。

目前高維資料探勘是研究重點，這是它的特點：

高維資料探勘是基於高維度的一種資料探勘，它和傳統的資料探勘最主要的區別在於它的高維度。目前高維資料探勘已成為資料探勘的重點和難點。隨著技術的進步使得資料收集變得越來越容易，導致資料庫規模越來越大、複雜性越來越高，如各種型別的貿易交易資料、Web 文件、基因表達資料、文件詞頻資料、使用者評分資料、WEB使用資料及多媒體資料等，它們的維度（屬性）通常可以達到成百上千維，甚至更高。

由於高維資料存在的普遍性，使得對高維資料探勘的研究有著非常重要的意義。但由於“維災”的影響，也使得高維資料探勘變得異常地困難，必須採用一些特殊的手段進行處理。 隨著資料維數的升高，高維索引結構的效能迅速下降，在低維空間中，我們經常採用歐式距離作為資料之間的相似性度量，但在高維空間中很多情況下這種相似性的概念不復存在，這就給高維資料探勘帶來了很嚴峻的考驗，一方面引起基於索引結構的資料探勘演算法的效能下降，另一方面很多基於全空間距離函式的挖掘方法也會失效。解決的方法可以有以下幾種：可以透過降維將資料從高維降到低維，然後用低維資料的處理辦法進行處理；對演算法效率下降問題可以透過設計更為有效的索引結構、採用增量演算法及並行演算法等來提高演算法的效能；對失效的問題透過重新定義使其獲得新生。