resolve #49

docs/14-Unsupervised-Learning/14.5-Principal-Components-Curves-and-Surfaces.md

@@ -260,7 +260,15 @@ $$
 
 主曲面非常类似 **自组织图 (self-organizing maps)**．如果我们采用核曲面光滑器来估计坐标函数 $f_j(\lambda_1,\lambda_2)$，这与 SOMs 的 batch 版本 \eqref{14.48} 有着相同的形式．SOM 的权重 $w_k$ 恰恰是核的权重．然而，有一个区别，主曲面估计对每个数据点 $x_i$ 估计单独的原型 $f(\lambda_1(x_i),\lambda_2(x_i))$，而 SOM 会在所有数据中间共享一小部分的原型点．结果是，SOM 与主曲面仅仅当 SOM 原型的个数非常大时两者才一致．
 
-两者之间还有一个概念上的区别．主曲面给出了关于坐标函数的整个流形的光滑参量化，而 SOMs 是离散的并且仅仅产生近似数据的那些估计的原型．主曲面的光滑参量化保持局部的距离：在图 14.28 中，红色聚类点比绿色或蓝色聚类点更紧凑．在简单的例子中，估计的坐标函数本身是可以知道的：见[练习 14.13](https://github.com/szcf-weiya/ESL-CN/issues/49)．
+两者之间还有一个概念上的区别．主曲面给出了关于坐标函数的整个流形的光滑参量化，而 SOMs 是离散的并且仅仅产生近似数据的那些估计的原型．主曲面的光滑参量化保持局部的距离：在图 14.28 中，红色聚类点比绿色或蓝色聚类点更紧凑．
+
+!!! note "weiya 注：Recall"
+    对于 SOM, 因为没有使用二维的距离，没有迹象能表明 SOM 投射中关于红色簇比其它的簇更紧．
+
+在简单的例子中，估计的坐标函数本身是可以知道的：见[练习 14.13](https://github.com/szcf-weiya/ESL-CN/issues/49)．
+
+!!! info "weiya 注：Ex. 14.13"
+    已解决，详见 [Issue 49: Ex. 14.13](https://github.com/szcf-weiya/ESL-CN/issues/49).
 
 ##　谱聚类