所以为什么在FNN-K算法中，增大嵌入维数相空间重构后向量数通常不变？

FNN-K算法中使用的嵌入维数是根据时间序列的自相关性来确定的。在嵌入维数增大时，会造成相空间的细分，但由于相空间的重构后向量数是根据时间序列的长度来确定的，因此向量数通常不会变化。相反，向量之间的距离会变得更小，这意味着相空间中的点更加密集，可能会导致更多的误差。因此，在选择嵌入维数时，需要平衡相空间的细分和向量之间的距离，以获得更好的预测性能。