流形学习应用中的问题

最近在使用流形学习进行数据降维，但是产生的分类效果却很差，看到一篇文章讲述流形学习存在的问题，觉得很好，转载一下，原文找不到了，就发了那一篇的连接，如下：

https://blog.csdn.net/elasticnet/article/details/8852927

其中应用过程中主要面临的问题有：

1. 投影后的维度d与邻域k的大小不好确定

2. 在UCI数据集上找到的数据，或者真实的数据（分类问题），不管怎么调节参数，使用isomap算法与LLE算法效果都很差

3. 没有一个映射矩阵用于新的数据，需要对这个问题进行解决，我看有的人提出了增量学习用于解决这个问题

4. 有的模型训练效果时间很长

5. 我查了很多相关流形学习的文献，国内的学者主要将流形学习应用到图像识别的应用中，用到其他方面的少，可能图像识别的效果是最好的吧

其中想要实现流形学习，最简单的方法是使用sklearn.manifold包，具体的连接如下：

https://scikit-learn.org/stable/modules/manifold.html#locally-linear-embedding