機器學習方法
流形學習(Manifold Learning)是一種機器學習方法，主要套用於模式識別和維數約簡。
流形學習的核心思想是從高維度的數據中揭示低維度的結構，這些低維數據能夠反映原高維數據的某些本質結構特徵。這種方法假設高維數據實際上是由一個低維的流形結構嵌入的，流形學習的目標是將這些數據映射回低維空間，以便更好地揭示它們的本質。流形學習的方法可以分為線性流形學習和非線性流形學習，其中線性方法包括主成分分析(PCA)和線性判別分析(LDA)，而非線性方法包括等距映射(Isomap)、拉普拉斯特徵映射(LE)等。
此外，流形學習還涉及微分流行和黎曼幾何等數學知識。