Machine learning

Lokalnie Liniowe Osadzanie (LLE)

Lokalnie liniowe osadzanie (LLE), wprowadzone przez Sama Roweisa i Lawrence’a Saula w 2000 roku, jest metodą uczenia się rozmaitości (manifold learning) służącą do nieliniowej redukcji wymiarowości. Zakłada ona, że choć dane mogą zakrzywiać się w przestrzeni o wysokiej wymiarowości, każdy punkt i jego sąsiedzi leżą w przybliżeniu na płaskim fragmencie. LLE przedstawia każdy punkt jako ważoną kombinację jego sąsiadów, a następnie znajduje niskowymiarowe rozmieszczenie, które zachowuje te same lokalne relacje, rozwijając zakrzywioną strukturę w wierną, niskowymiarową mapę.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

  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

Jak cytować tę stronę

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

Cytowana przez

ScholarGateLocally Linear Embedding (Locally Linear Embedding (LLE)). Pobrano 2026-06-15 z https://scholargate.app/pl/machine-learning/locally-linear-embedding · Zbiór danych: https://doi.org/10.5281/zenodo.20539026