Machine learning
국소 선형 임베딩 (LLE)
2000년 Sam Roweis와 Lawrence Saul이 소개한 국소 선형 임베딩은 비선형 차원 축소를 위한 매니폴드 학습 방법입니다. 데이터가 고차원 공간을 통해 곡선을 이룰 수 있지만, 각 점과 그 이웃들은 대략적으로 평평한 조각 위에 놓여 있다고 가정합니다. LLE는 각 점을 이웃들의 가중치 조합으로 포착한 다음, 동일한 지역적 관계를 보존하는 저차원 레이아웃을 찾아 곡선 구조를 충실한 저차원 지도로 펼칩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/ko/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 →