UMAP
UMAP (Uniform Manifold Approximation and Projection) este o metodă rapidă, scalabilă, de reducere neliniară a dimensionalității, fundamentată pe teoria învățării manifoldurilor, introdusă de McInnes, Healy și Melville în 2018. Aceasta comprimă datele de înaltă dimensionalitate într-o încorporare de joasă dimensionalitate pentru vizualizare și analiză ulterioară.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/ro/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.
- Analiza factorialăStatistică pentru cercetare↔ compare
- Clustering K-meansÎnvățare automată↔ compare
- Analiza Componentelor PrincipaleÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- t-SNEÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →