UMAP：用于降维的均匀流形逼近与投影
机器学习
2020-09-21 v3 计算几何
机器学习
摘要
UMAP（Uniform Manifold Approximation and Projection，均匀流形逼近与投影）是一种用于降维的新型流形学习技术。UMAP 构建于基于黎曼几何和代数拓扑的理论框架之上。其结果是一个可应用于真实世界数据的实用且可扩展的算法。UMAP 算法在可视化质量上与 t-SNE 具有竞争力，并且可以说在保持更多全局结构的同时具有更优的运行时间性能。此外，UMAP 对嵌入维度没有计算限制，使其成为机器学习中通用的降维技术。
引用
@article{arxiv.1802.03426,
title = {UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction},
author = {Leland McInnes and John Healy and James Melville},
journal= {arXiv preprint arXiv:1802.03426},
year = {2020}
}
备注
Reference implementation available at http://github.com/lmcinnes/umap