Machine learning

Plongement Linéaire Local (LLE)

Le plongement linéaire local, introduit par Sam Roweis et Lawrence Saul en 2000, est une méthode d'apprentissage de variété pour la réduction de dimensionnalité non linéaire. Il suppose que bien que les données puissent courber à travers un espace de haute dimension, chaque point et ses voisins se situent approximativement sur une surface plane. Le LLE capture chaque point comme une combinaison pondérée de ses voisins, puis trouve une disposition de faible dimension qui préserve ces mêmes relations locales, déroulant la structure courbée en une carte fidèle de faible dimension.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  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

Comment citer cette page

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

Référencée par

ScholarGateLocally Linear Embedding (Locally Linear Embedding (LLE)). Consulté le 2026-06-15 sur https://scholargate.app/fr/machine-learning/locally-linear-embedding · Jeu de données : https://doi.org/10.5281/zenodo.20539026