中心子空间一直是充分降维的关键概念。最初是为了解决$\mathrm{<trans\; data-src="p">对</trans>}<trans\; data-src="<"><</trans>\mathrm{<trans\; data-src="n">n个</trans>}$中心子空间方法已经取得了许多成功和发展。然而，在过去的几年里，随着技术的进步，许多统计问题现在处于高维环境中$\mathrm{<trans\; data-src="p">对</trans>}<trans\; data-src=">">></trans>\mathrm{<trans\; data-src="n">n个</trans>}$在本文中，我们回顾了中心子空间的理论，并对中心子空间方法进行了更新概述$\mathrm{<trans\; data-src="p">对</trans>}<trans\; data-src="\le ">\le </trans>\mathrm{<trans\; data-src="n">n个</trans>}$,$\mathrm{<trans\; data-src="p">对</trans>}<trans\; data-src=">">></trans>\mathrm{<trans\; data-src="n">n个</trans>}$和大数据设置。我们还为这些技术开发了一个新的分类系统，并列出了一些可用于估计中心子空间的R和MATLAB包。最后，我们为生物信息学应用开发了一个中心子空间框架，并使用两个不同的数据集展示了该框架如何在实践中应用。