Locally Linear Embedding (LLE)

Locally linear embedding, được giới thiệu bởi Sam Roweis và Lawrence Saul vào năm 2000, là một phương pháp học đa tạp (manifold learning) để giảm chiều dữ liệu phi tuyến. Nó giả định rằng mặc dù dữ liệu có thể uốn lượn trong không gian nhiều chiều, mỗi điểm và các lân cận của nó nằm gần như trên một mặt phẳng cục bộ. LLE nắm bắt mỗi điểm như một tổ hợp có trọng số của các lân cận của nó, sau đó tìm một bố cục chiều thấp bảo tồn các mối quan hệ cục bộ giống nhau, làm phẳng cấu trúc cong thành một bản đồ chiều thấp trung thực.