Machine learning
UMAP
UMAP（Uniform Manifold Approximation and Projection）は、2018年にMcInnes、Healy、Melvilleによって導入された、多様体学習理論に基づいた高速かつスケーラブルな非線形次元削減手法です。高次元データを可視化や下流解析のために低次元埋め込みに圧縮します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
このページの引用方法
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/ja/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.
- 因子分析研究統計↔ compare
- K-means クラスタリング機械学習↔ compare
- 主成分分析機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- t-SNE機械学習↔ compare