局部线性嵌入(LLE):一种非线性降维/流形学习方法。它假设高维数据在每个点的局部邻域近似位于一个线性子空间中,先用邻居对每个点进行线性重构,再在低维空间中保持这些重构关系,从而得到低维表示。(也常简称 LLE。)
/ˈloʊkəli ˈlɪniər ɪmˈbɛdɪŋ/
Locally linear embedding helps visualize high-dimensional data in 2D.
局部线性嵌入可以把高维数据可视化到二维空间中。
By preserving each point’s neighborhood reconstruction weights, locally linear embedding can uncover a curved manifold structure that PCA may miss.
通过保持每个点在邻域中的重构权重,局部线性嵌入能够揭示 PCA 可能忽略的弯曲流形结构。
该术语由 locally(局部地)+ linear(线性的)+ embedding(嵌入) 组成,名称直接概括了方法核心思想:在局部用线性关系描述数据结构,并将其嵌入到低维空间。作为“流形学习(manifold learning)”经典算法之一,LLE 在 2000 年左右的机器学习研究中被系统提出并广泛传播。