UMAP
UMAP (Uniform Manifold Approximation and Projection) on kiir, skaleeruv ja mittelineaarne dimensiooni vähendamise meetod, mis põhineb manillide õppimise teoorial. Selle töötasid 2018. aastal välja McInnes, Healy ja Melville. See tihendab kõrgedimensionaalseid andmeid madaldimensionaalseks sisestuseks visualiseerimiseks ja edasiseks analüüsiks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/et/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.
- FaktoranalüüsUurimisstatistika↔ compare
- K-keskmiste klasterdamineMasinõpe↔ compare
- PricipaalanalüüsMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- t-SNEMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →