Machine learning

Τοπικά Γραμμική Ενσωμάτωση (LLE)

Η τοπικά γραμμική ενσωμάτωση (locally linear embedding), που εισήχθη από τους Sam Roweis και Lawrence Saul το 2000, είναι μια μέθοδος εκμάθησης πολλαπλότητας (manifold-learning) για μη γραμμική μείωση διαστατικότητας. Υποθέτει ότι, παρόλο που τα δεδομένα μπορεί να καμπυλώνονται σε έναν χώρο υψηλών διαστάσεων, κάθε σημείο και οι γείτονές του βρίσκονται περίπου σε μια επίπεδη επιφάνεια. Η LLE αναπαριστά κάθε σημείο ως έναν σταθμισμένο συνδυασμό των γειτόνων του και στη συνέχεια βρίσκει μια διάταξη χαμηλών διαστάσεων που διατηρεί αυτές τις ίδιες τοπικές σχέσεις, ξεδιπλώνοντας την καμπύλη δομή σε έναν πιστό χάρτη χαμηλών διαστάσεων.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/el/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

Αναφέρεται από

ScholarGateLocally Linear Embedding (Locally Linear Embedding (LLE)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/locally-linear-embedding · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026