知识卡片
LE用边权保留近邻
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 非线性降维及其应用 用图拉普拉斯保持近邻 · 查看原书依据
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
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