一句话总结LLE（流形学习）
核心：用一个样本点的邻居的线性组合近似重构这个样本，将样本投影到低维空间中后依然保持这种线性组合关系。
局部线性嵌入（简称LLE）将高维数据投影到低维空间中，并保持数据点之间的局部线性关系。其核心思想是每个点都可以由与它相近的多个点的线性组合来近似，投影到低维空间之后要保持这种线性重构关系，并且有相同的重构系数。
算法的第一步是求解重构系数，每个样本点xi可以由它的邻居线性表示，即如下最优化问题：
这样可以得到每个样本点与它邻居节点之间的线性组合系数。接下来将这个组合系数当做已知量，求解下面的最优化问题完成向量投影：
这样可以得到向量y，这就是投影之后的向量。
LLE是一种无监督的机器学习算法，它是一种非线性降维算法，不能直接用于分类或者回归问题。
