Lokāli lineārā iegulšana (LLE)
Lokāli lineārā iegulšana, ko 2000. gadā ieviesa Sems Roweiss un Lorenss Sauls, ir mankstu apguves metode nelineārai dimensiju samazināšanai. Tā pieņem, ka, lai gan dati var līkumot caur augstdimensiju telpu, katrs punkts un tā kaimiņi atrodas aptuveni uz plakanas virsmas. LLE uztver katru punktu kā svaru kombināciju no tā kaimiņiem un pēc tam atrod zemas dimensijas izkārtojumu, kas saglabā tās pašas lokālās attiecības, izritinot izliekto struktūru uzticamā zemas dimensijas kartē.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Locally Linear Embedding (LLE). ScholarGate. https://scholargate.app/lv/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 →Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →