UMAP
UMAP (Uniform Manifold Approximation and Projection) — це швидкий, масштабований метод нелінійного зниження розмірності, що ґрунтується на теорії вивчення многовидів (manifold learning), представлений Мак-Іннесом, Хілі та Мелвіллом у 2018 році. Він стискає високорозмірні дані до низькорозмірної проєкції для візуалізації та подальшого аналізу.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- McInnes, L., Healy, J. & Melville, J. (2018). UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv:1802.03426. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Uniform Manifold Approximation and Projection. ScholarGate. https://scholargate.app/uk/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.
- Факторний аналізСтатистика досліджень↔ compare
- Кластеризація методом k-середніхМашинне навчання↔ compare
- Метод головних компонентМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- t-SNEМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →