本文综述置换不变机器学习方法，涵盖不变性随机特征与核方法，证明不变性可指数降低样本和隐藏单元需求，提升统计效率；同时涉及Wasserstein距离网络、扩散密度估计、语言矩阵理论、核熵估计及差分隐私核检验，并应用于点云分类、异常检测等任务。