Machine learning
UMAP
UMAP (यूनिफ़ॉर्म मैनिफ़ोल्ड एप्रोक्सिमेशन एंड प्रोजेक्शन) मैनिफ़ोल्ड-लर्निंग सिद्धांत पर आधारित एक तीव्र, स्केलेबल अरैखिक आयाम-न्यूनीकरण विधि है, जिसे 2018 में मैकइननेस, हीली और मेलविल द्वारा प्रस्तुत किया गया था। यह उच्च-आयामी डेटा को विज़ुअलाइज़ेशन और डाउनस्ट्रीम विश्लेषण के लिए निम्न-आयामी एम्बेडिंग में संपीड़ित करता है।
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/hi/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.
- कारक विश्लेषणअनुसंधान सांख्यिकी↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- प्रिंसिपल कंपोनेंट एनालिसिसमशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- टी-एसएनईमशीन अधिगम↔ compare