方法目的：

   假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质，找到产生数据的内在规律。流形学习方法是模式识别中的基本方法，分为线性流形学习算法和非线性流形学习算法，线性方法就是传统的方法如主成分分析（PCA）和线性判别分析（LDA），非线行流形学习算法包括等距映射（Isomap），拉普拉斯特征映射（LE）等。流形学习是个很广泛的概念，典型的是自从2000年以后形成的非线性流形学习概念和其主要代表方法，甚至流形学习也被认为属于非线性降维的一个分支。

[参考]

1. 流形学习综述和代码，了凡春秋，http://blog.sina.com.cn/s/blog_6163bdeb0102enih.html 

2. 流形学习，了凡春秋，http://blog.sina.com.cn/s/blog_6163bdeb0102em53.html 

3. 流形学习，了凡春秋，http://blog.sina.com.cn/s/blog_6163bdeb0102el0k.html