Machine learning

Ajustament Localment Lineal (LLE)

L'ajustament localment lineal, introduït per Sam Roweis i Lawrence Saul el 2000, és un mètode d'aprenentatge de varietats per a la reducció de dimensionalitat no lineal. Assumeix que, tot i que les dades puguin corbar-se a través d'un espai d'alta dimensionalitat, cada punt i els seus veïns es troben aproximadament en una superfície plana. LLE captura cada punt com una combinació ponderada dels seus veïns i, a continuació, troba una disposició de baixa dimensionalitat que preserva aquestes mateixes relacions locals, desplegant l'estructura corba en un mapa fidel de baixa dimensionalitat.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Roweis, S. T., & Saul, L. K. (2000). Nonlinear dimensionality reduction by locally linear embedding. Science, 290(5500), 2323–2326. DOI: 10.1126/science.290.5500.2323

Com citar aquesta pàgina

ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/ca/machine-learning/locally-linear-embedding

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citat per

ScholarGateLocally Linear Embedding (Locally Linear Embedding (LLE)). Recuperat el 2026-06-15 de https://scholargate.app/ca/machine-learning/locally-linear-embedding · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026