几十个因子把每只资产变成高维空间里的一个点，但这些点往往不是均匀撒开的——它们卷在一张低维曲面（流形）上，比如『板块轮动相位』这条一维曲线被揉进 30 维。PCA 是线性投影，遇到弯曲流形只会把它拍扁、撕裂：把卷在一起的两端硬凑到一块。Isomap 换个距离度量——不走欧氏直线（会穿过流形空洞造成近邻假象），而走 kNN 图上的最短路径（测地距离，沿曲面爬行），再用经典 MDS 展开。合成实验：一条一维流形（swiss-roll 式）升到 30 维，Isomap 的局部近邻保持率 0.927 碾压 PCA 的 0.681——谁挨着谁的结构被保住了。纯 numpy 从零实现 Isomap（kNN 图→Floyd-Warshall 测地距离→MDS），并诚实暴露它的死穴：对近邻数 k 极敏感（k=3 轴相关 0.65、k=40 到 0.88），k 太小图断裂、太大短路穿洞；样本外无自然投影；测地距离 O(n³)。拆穿降维=可视化即真相/Isomap 必胜 PCA/k 随便选/流形假设永成立五类陷阱（中阶）。