Machine learning
یو-مپ
یو-مپ (تقریب و تصویرسازی منیفولد یکنواخت) یک روش کاهش ابعاد غیرخطی سریع و مقیاسپذیر است که بر اساس نظریه یادگیری منیفولد بنا شده و توسط مکاینس، هِلی و ملویل در سال ۲۰۱۸ معرفی شد. این روش دادههای با ابعاد بالا را برای تجسم و تحلیلهای بعدی به یک جاسازی با ابعاد پایین فشرده میکند.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/fa/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.
- Factor Analysisآمار پژوهش↔ compare
- خوشهبندی K-meansیادگیری ماشین↔ compare
- تحلیل مؤلفههای اصلییادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- تی-اسانای (t-SNE)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →