zhuanlan.zhihu.com
UMAP降维算法原理详解和应用示例 - 知乎
本文将介绍一种流行的降维技术Uniform Manifold Approximation and Projection (UMAP)的内部工作原理，并提供一个 Python 示例。 (UMAP) 如何工作的？ 分析 UMAP 名称 让我们从剖析 UMAP 名称开始，这将使我们对算法应该做什么有一个大致的了解。
umap算法
Searching…
Web results
umap.org.cn
UMAP：均匀流形逼近与投影降维 — umap 0.5.8 文档 - UMAP 算法
UMAP：均匀流形逼近与投影降维 均匀流形逼近与投影 (UMAP) 是一种降维技术，它与 t-SNE 类似，可用于可视化，也可用于一般的非线性降维。 该算法基于对数据的三个假设： 数据均匀分布在黎曼流形上； 黎曼度量是局部常数（或可以近似为常数）； 流形是局部 ...
blog.csdn.net
机器学习最强通用降维：UMAP 超通俗完整版-CSDN博客
5 days ago · 机器学习 最强通用降维：UMAP 超通俗完整版 UMAP 是目前 工业界、科研圈最火的降维 & 可视化算法，它完美结合了 t-SNE 的聚类效果 + PCA 的速度 + 全局结构保留，既能画漂亮图，又能直接当模型输入特征。 这篇文章用 大白话 + 原理拆解 + 完整代码 + 参数调优 + 面试总结，本科生、研究生都能轻松看懂。
umap-learn.readthedocs.io
How to Use UMAP — umap 0.5.8 documentation
UMAP is a general purpose manifold learning and dimension reduction algorithm. It is designed to be compatible with scikit-learn, making use of the same API and able to be added to sklearn pipelines.
arxiv.org
[1802.03426] UMAP: Uniform Manifold Approximation and ...
Feb 9, 2018 · UMAP (Uniform Manifold Approximation and Projection) is a novel manifold learning technique for dimension reduction. UMAP is constructed from a theoretical framework based in Riemannian geometry and alge...
zhuanlan.zhihu.com
UMAP：非线性降维的核心原理与实践指南 - 知乎
UMAP 的核心思想是通过构建数据的邻接图（graph），并使用一种优化的方法将这个高维图结构映射到低维空间中，从而保留数据的拓扑结构。 与 t-SNE 等其他降维算法相比，UMAP 通常在保持数据的全局结构和局部细节方面有更好的平衡，同时计算效率也更高。
umap.org.cn
UMAP 工作原理 — umap 0.5.8 文档 - UMAP 算法
UMAP 工作原理 UMAP 是一种基于流形学习技术和拓扑数据分析思想的降维算法。 它为流形学习和降维提供了一个非常通用的框架，同时也提供了具体的实现。 本文将讨论该算法在实践中的工作原理。
zhuanlan.zhihu.com
机器学习算法：UMAP 深入理解 - 知乎
与 t-SNE 相比，它具有许多优势，最显着的是提高了计算速度并更好地保留了数据的全局结构。 在 本文 [3] 中，我们将了解 UMAP 背后的理论，以便更好地了解该算法的工作原理、如何正确有效地使用它，以及与 t-SNE 进行比较，它的性能如何。
cloud.tencent.com
Video — click to view
Nov 15, 2021 · 本文介绍UMAP降维技术，剖析其名称含义及工作原理，包括学习高维流形结构和寻找低维表示步骤，还给出Python在MNIST数据集的应用示例及监督UMAP的使用。
blog.csdn.net
数据处理降维方法UMAP (Uniform Manifold ... - CSDN博客
Sep 16, 2023 · 前言 UMAP是一种非线性降维和可视化算法，全称为Uniform Manifold Approximation and Projection（均匀流形近似和投影）。 它是一种基于图论和流形学习的方法，用于将高维数据映射到低维空间，以便于可视化和分析。 UMAP的主要目标是保持数据点之间的局部结构和全局结构。