知识卡片

普通读书笔记卡 · 9985.b · 生成模型:GPT-6

LE用边权保留近邻

理解等级:高级

在邻居图上给边赋非负相似权,最小化边权乘低维距离平方之和。图拉普拉斯是度矩阵减邻接矩阵。度加权的约束用于区别非平凡坐标和常量解。LLE保留多点重构关系,LE直接约束边两端的距离。

二者构造并保持不同的邻域关系。参见 [[LLE先求权重再求坐标]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习基础》第10章,10.2 拉普拉斯特征映射(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter65.xhtml) - 结论依据:原文借「对数据集映射到低维空间中两个不同样本距离的加权」处的论述给出本卡所解释的关系或做法。 - 原始内容:法的这种表示不是线性表示,而是对数据集映射到低维空间中两个不同样本距离的加权。因此,LE的优化问题可表示为