1、什么是流形学习
2、LLE（Locally Linear Embedding）
3、LE（Laplacian Eigenmaps）
4、T-SNE（t Stochastic Neighbor Embedding）
1、什么是Auto-Encoder
2、Auto-Encoder的应用
3、Auto-Encoder+CNN
流形：流形是一种空间，直线或者曲线是一维流形，平面或者曲面是二维流形，更高维之后是多维流形。
流形假设：某些高维数据，实际上是一种嵌入在高维空间里的低维流形数据（“嵌入高维空间中的低维流形”），地球表面（球面）就是一个嵌入在三维空间中的二维流形
流形学习：2000年在著名的科学杂志《Science》被首次提出。流形学习可用于降维，简单来说就是基于流形数据进行建模的降维算法，说白了就是找一个从流形到欧氏空间的映射。
LLE（Locally Linear Embedding-局部线性嵌入）是一种非线性降维算法，它能够使降维后的数据较好地保持原有 流形结构
前面的那些问题是：它只假设相近的点应该要是接近的，但它没有说不相近的点要分开，因此T-SNE可用作数据降维与可视化。
思想：它改变了MDS和ISOMAP中基于距离不变的思想，将高维映射到低维的同时，尽量保证相互之间的分布概率不变，SNE将高维和低维中的样本分布都看作高斯分布，而Tsne将低维中的坐标当做T分布，这样做的好处是为了让距离大的簇之间距离拉大，从而解决了拥挤问题。
李宏毅机器学习笔记10（Unsurpervised Learning02——Neighbor Embedding）
原文：https://www.cnblogs.com/xxlad/p/11355967.html