在所給的選項中，以下是對各個模型是否用于降維的分析：

| 模型名稱 | 是否用于降維 | 理由 |
|----------|--------------|------|
| PCA（主成分分析） | 是 | PCA是一種常用的降維方法，通過將原始數(shù)據(jù)投影到一個低維空間，最大化數(shù)據(jù)的方差來減少變量個數(shù)。 |
| FA（因子分析） | 是 | 因子分析用于識別觀測變量中的潛在因子，降低變量的維度，同時保留數(shù)據(jù)的主要信息。 |
| MDS（多維尺度分析） | 是 | MDS主要用于可視化和降維，它通過保留數(shù)據(jù)中的距離關(guān)系將數(shù)據(jù)映射到低維空間。 |
| 貝葉斯算法 | 否 | 貝葉斯算法本身不是用于降維的技術(shù)。它是一種統(tǒng)計方法，用于分類、回歸等任務(wù)，不用于直接減少變量個數(shù)。 |

因此，**D: 貝葉斯算法**不能用于降維。貝葉斯算法主要用于概率推斷和決策分析，而不是用于降維的目的。