Neighbor embedding - manifold learning
LLE
地球就是一个流形
流形学习就是将高维的（流形的）feature的摊平，摊平之后就可以用欧氏距离了。
假设空间中有两个点xi和xj，他们俩的关系为wij
LLE方法就是找到Zfunction
这需要调整LLE 的neighbor选几个
拉普拉斯特征图
将相似度高的点连起来成为一个graph
t-SNE
如右图，图片data中有些点形成了一些圈圈，意味着有些object虽然很像，但是旋转之后（换个角度）看完全不一样了。
计算所有pairs的相似度。
我们需要衡量两个distribution的相似度，算KL散度
之前算similarity的方法：
SNE方法：
t-SNE方法：
t-SNE会把data gap强化，将同类聚起来
