Locally Linear Embedding (LLE)
שקיעת לינארית מקומית (LLE), שהוצגה על ידי Sam Roweis ו-Lawrence Saul בשנת 2000, היא שיטת למידת מניפולד (manifold learning) להפחתת ממדיות לא-לינארית. היא מניחה שעל אף שהנתונים עשויים להתעקל במרחב רב-ממדי, כל נקודה ושכנותיה נמצאות בקירוב על משטח שטוח. LLE לוכדת כל נקודה כשילוב משוקלל של שכנותיה, ואז מוצאת פריסה דלת-ממדית המשמרת את אותן יחסים מקומיים, פורמת מבנה מעוקל למפה נאמנה דלת-ממדית.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/he/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.
- Isomapלמידת מכונה↔ compare
- PCA באמצעות גרעין (Kernel PCA)למידת מכונה↔ compare
- t-SNEלמידת מכונה↔ compare