UMAP
UMAP (Uniform Manifold Approximation and Projection) হলো একটি দ্রুত, পরিমাপযোগ্য নন-লিনিয়ার ডাইমেনশন-রিডাকশন পদ্ধতি যা ম্যানিফোল্ড-লার্নিং তত্ত্বের উপর ভিত্তি করে তৈরি। এটি ২০১৮ সালে ম্যাকইনেস, হিলি এবং মেলভিল কর্তৃক প্রবর্তিত হয়। এটি উচ্চ-মাত্রিক ডেটাকে ভিজ্যুয়ালাইজেশন এবং পরবর্তী বিশ্লেষণের জন্য একটি নিম্ন-মাত্রিক এম্বেডিংয়ে সংকুচিত করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/bn/machine-learning/umap-reduction
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ফ্যাক্টর অ্যানালাইসিস (Factor Analysis)গবেষণা পরিসংখ্যান↔ compare
- কে-মিনস ক্লাস্টারিংযন্ত্র শিখন↔ compare
- প্রধান উপাদান বিশ্লেষণযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- t-SNEযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →