ScholarGate
Asisten
Machine learning

Embedding Linear Lokal (LLE)

Embedding linear lokal, diperkenalkan oleh Sam Roweis dan Lawrence Saul pada tahun 2000, adalah metode pembelajaran manifold untuk reduksi dimensi nonlinier. Metode ini mengasumsikan bahwa meskipun data dapat melengkung melalui ruang berdimensi tinggi, setiap titik dan tetangganya kira-kira terletak pada area datar. LLE menangkap setiap titik sebagai kombinasi berbobot dari tetangganya dan kemudian menemukan tata letak berdimensi rendah yang mempertahankan hubungan lokal yang sama, membuka struktur melengkung menjadi peta berdimensi rendah yang setia.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Sumber

  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

Cara menyitasi halaman ini

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

Dirujuk oleh

ScholarGateLocally Linear Embedding (Locally Linear Embedding (LLE)). Diakses 2026-06-15 dari https://scholargate.app/id/machine-learning/locally-linear-embedding · Set data: https://doi.org/10.5281/zenodo.20539026