Может ли уменьшение размерности улучшить производительность регрессионной модели?

Как указано в заголовке: может ли уменьшение размерности (DR), такое как PCA или LDA, повысить производительность моделей регрессии, таких как LinearRegression, SVR или Neural Networks? Уменьшая количество измерений и сохраняя как можно больше информации (объясненная дисперсия), алгоритмы DR улучшают качество данных, уменьшают шум и обычно используются при кластеризации. Если мы не учитываем обучение модели и время прогнозирования, улучшают ли алгоритмы DR модели регрессии каким-либо образом, особенно их ошибку прогнозирования?