فشردهسازی محلی خطی (LLE)
فشردهسازی محلی خطی، که توسط سم رویس و لارنس سُل در سال ۲۰۰۰ معرفی شد، یک روش یادگیری منیفولد برای کاهش ابعاد غیرخطی است. این روش فرض میکند که اگرچه دادهها ممکن است در یک فضای با ابعاد بالا خمیده شوند، هر نقطه و همسایگان آن تقریباً روی یک تکه صاف قرار دارند. LLE هر نقطه را به صورت ترکیبی وزنی از همسایگانش توصیف میکند و سپس یک چیدمان با ابعاد پایین پیدا میکند که همان روابط محلی را حفظ میکند و ساختار خمیده را به یک نقشه وفادار با ابعاد پایین باز میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/fa/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.
- Isomapیادگیری ماشین↔ compare
- تحلیل مؤلفههای اصلی کرنل (Kernel PCA)یادگیری ماشین↔ compare
- تی-اسانای (t-SNE)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →