le如何做:LE是一种降维算法,它看问题的角度和常见的降维算法不太相同,是从局部的角度去构建数据之间的关系。
常见的流形降维算法除了ISOMAP(等距特征映射)和 LLE(局部线性映射)之外,使用拉普拉斯矩阵进行特征映射的LE算法也是很常见而且实用的一种流行算法。
其思想十分简洁,同时也拥有不错的降维效果。
LE算法是一种保留数据局部特征的流形降维算法。其主要思想是在低维空间内尽可能保留数据局部样本点之间的结构不变。
具体来讲,拉普拉斯特征映射是一种基于图的降维算法,它希望相互间有关系的点(在图中相连的点)在降维后的空间中尽可能地靠近,从而在降维后仍能保持原有的数据结构。