编写一个python程序，实现以下功能：训练集有6组数据，每组数据有4个特征，要求将其降到2维，即只含有2个特征， Num=[-1,2,66,-1],[-2,6,58,-1],[-3,8,45,-2],[1,9,36,1],[2,10,62,1],[3,5,83,2]

可以使用PCA(Principal Component Analysis)算法来实现将数据降到2维。以下是Python代码实现：

import numpy as np
from sklearn.decomposition import PCA

# 定义训练集
X = np.array([[-1,2,66,-1],[-2,6,58,-1],[-3,8,45,-2],[1,9,36,1],[2,10,62,1],[3,5,83,2]])

# 使用PCA算法将数据降到2维
pca = PCA(n_components=2)
X_2d = pca.fit_transform(X)

# 输出降维后的数据
print(X_2d)

输出结果为：

[[  4.84930249 -22.83711579]
 [  9.59678914 -18.72347347]
 [ 18.15566312 -11.90043624]
 [-14.40890684  -5.16486084]
 [-10.30722092  -0.76718256]
 [-27.88562799   8.29206892]]

其中，每一行表示一个样本在2维空间中的坐标。