贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法，没有对数据降维的作用

在特征比较多的情况下，确实需要先筛选特征或使用降维方法来减少变量的个数。以下是对各个选项的分析：

A: PCA（主成分分析）
PCA是一种常用的降维方法，通过将原始变量转换为一组线性不相关的新变量（主成分），这些主成分尽可能多地保留了原始数据的方差。

B: FA（因子分析）
因子分析也是一种降维方法，它通过识别潜在的因子来解释观察到的变量之间的相关性，从而减少变量的数量。

C: MDS（多维尺度分析）
多维尺度分析是一种降维技术，通过在低维空间中表示高维数据的相似性或距离来实现降维。

D: 贝叶斯算法
贝叶斯算法通常是用于分类和回归的统计方法，而不是用于降维。因此，贝叶斯算法不能用来降维。

综合以上分析，正确答案是：D: 贝叶斯算法。