UMAP
Az UMAP (Uniform Manifold Approximation and Projection) egy gyors, skálázható, nemlineáris dimenziócsökkentő módszer, amely a manifold-tanulás elméletén alapul, és amelyet McInnes, Healy és Melville publikált 2018-ban. Nagy dimenziós adatokat tömörít alacsony dimenziós beágyazásokba vizualizáció és további elemzés céljából.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/hu/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.
- FaktoranalízisKutatási statisztika↔ compare
- K-means klaszterezésGépi tanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- t-SNEGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →