Lokalt Lineær Indlejring (LLE)
Lokalt lineær indlejring (LLE), introduceret af Sam Roweis og Lawrence Saul i 2000, er en manifold-læringsmetode til ikke-lineær dimensionsreduktion. Den antager, at selvom data kan krumme gennem et højdimensionelt rum, ligger hvert punkt og dets naboer tilnærmelsesvis på et fladt stykke. LLE fanger hvert punkt som en vægtet kombination af dets naboer og finder derefter en lavdimensionel layout, der bevarer de samme lokale relationer, og udfolder den krumme struktur til et trofast lavdimensionelt kort.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/da/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 →Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →