用于探索UMAP投影的透镜函数

维度缩减算法常用于可视化高维数据。以往的研究利用先验信息来增强或抑制投影中预期模式。本文受Mapper和STAD方法的启发，提出了三类用于UMAP（一种最先进的维度缩减算法）的透镜函数。透镜函数使分析师能够根据问题调整投影，从而揭示潜在的隐藏模式。它们通过过滤建模的连通性来探索手动选择特征与数据结构之间的相互作用，创建可配置的视角，每个视角可能揭示新的见解。本文在两个实际案例中展示了透镜函数的有效性，并对其计算成本进行了综合基准测试分析。我们的实现已作为开源Python软件包发布：https://github.com/vda-lab/lensed_umap。