Helyi lineáris beágyazás (LLE)
A Sam Roweis és Lawrence Saul által 2000-ben bevezetett helyi lineáris beágyazás (Locally Linear Embedding, LLE) egy manifold-tanulási módszer a nemlineáris dimenziócsökkentésre. Feltételezi, hogy bár az adatok görbülhetnek egy nagy dimenziós térben, minden pont és annak szomszédai nagyjából egy sík folton helyezkednek el. Az LLE minden pontot a szomszédai súlyozott kombinációjaként rögzít, majd olyan alacsony dimenziós elrendezést talál, amely megőrzi ezeket a helyi kapcsolatokat, a görbült struktúrát egy hű alacsony dimenziós térképpé bontva ki.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/hu/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 →Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →