scikit-learn（不常用，僅了解知識點）：2.2. Manifold learning（流形學習）

參考：http://scikit-learn.org/stable/modules/manifold.html

1、流形學習是非線性的降維方法（an approach to non-linear dimensionality reduction）。

2、因為随機映射會随機損失資料内部資訊；因為類似于PCA、LDA等降維方法基于線性假設，經常會損失資料内部非線性的結構資訊；流形學習是線性降維方法的generalization，目的是捕獲資料内部非線性的結構。

3、Though supervised variants exist, the typical manifold learning problem is unsupervised: it learns the high-dimensional structure of the data from the data itself, without the use of predetermined classifications.（盡管是監督的變形，但典型的流形學習還是非監督的）

4、sklearn中對流形學習的實作（了解一下就好了。。。。）：

1）Isomap algorithm, short for Isometric Mapping（等距映射）。

2）Locally linear embedding (LLE)，局部線性嵌入。 seeks a lower-dimensional projection of the data which preserves distances within local neighborhoods，保持局部線性，但整體非線性，相當于一系列的局部PCA組合。

3）Modified Locally linear embedding 

4）Hessian Eigenmapping (also known as Hessian-based LLE: HLLE) 

5）Spectral Embedding (also known as Laplacian Eigenmaps)

給個參考：http://blog.csdn.net/chl033/article/details/6107042