局部线性嵌入(LLE)是重要的降维方法,它关注于降维时保持样本局部的线性特征。
1.流形学习概述 ![](https://i-blog.csdnimg.cn/blog_migrate/e18de25b5435051cee41f7fbd509a550.png)
2.LLE思想
某一个数据可以由它领域内的几个样本线性表示。
3.LLE算法推导
利用K近邻算法,选择该数据样本邻域内的其他样本。
求高维空间中该数据样本用其邻域样本线性表示的权重系数。
该数据样本低维空间中线性关系和权重系数已知,求该数据样本低维空间中投影数据。
4.LLE算法流程
- 求K近邻的过程,这个过程使用了和KNN算法一样的求最近邻的方法
- 对每个样本求它在邻域里的K个近邻的线性关系,得到线性关系权重系数W
- 利用权重系数来在低维里重构样本数据