• n_neighbors：一个整数，指定近邻参数 。

      • n_components：一个整数，指定降维后的维数。

      • eigen_solver：一个字符串，指定求解特征值的算法，可以为：

        • 'auto'：由算法自动选取。
        • 'arpack'：使用 Arnoldi分解算法。
        • 'dense'：使用一个直接求解特征值的算法（如LAPACK）。

      • tol：一个浮点数，指定求解特征值算法的收敛阈值（当eigen_solver='dense'时，该参数无用）。

      • ：一个字符串，指定寻找最短路径算法。可以为：

        • 'auto'：由算法自动选取。
        • 'D'：使用Dijkstra算法。

      • neighbors_algorithm：一字符串，指定计算最近邻的算法。可以为：

        • 'ball_tree'：使用 BallTree算法。
        • 'kd_tree：使用 KDTree算法。
        • 'brute'：使用暴力搜索法。
        • 'auto'：自动决定最合适的算法。

    2. 属性：

      • embedding_：给出了原始数据集在低维空间中的嵌入矩阵。
      • training_data_：存储了原始训练数据。
      • ：存储了原始训练数据的距离矩阵。

    3. 方法：

      • transform(X)：执行降维，返回降维后的样本集。
      • fit_transform(X[, y])：训练模型并执行降维，返回降维后的样本集。
      • reconstruction_error()：计算重构误差。
      1. reconstruction_error(n_components=4) : 1.00971800681
      3. reconstruction_error(n_components=3) : 1.01828451463
      5. reconstruction_error(n_components=2) : 1.02769837643
      7. reconstruction_error(n_components=1) : 1.07166427632

      该指标并不能用于判定降维的效果的好坏，它只是一个中性指标。

      不同的k 降维到2维后的样本的分布图如下所示。可以看到 k=1 时，近邻范围过小，此时发生断路现象。本应该相连的区域限制被认定为不相连。

      Isomap_k

      不同的k 降维到1维后的样本的分布图如下所示。