机器学习算法：UMAP 深入理解（通俗易懂！）_umap图怎么读

UMAP 是 McInnes 等人开发的新算法。与t-SNE相比，它具有许多优势，最显着的是提高了计算速度并更好地保留了数据的全局结构。降维是机器学习从业者可视化和理解大型高维数据集的常用方法。最广泛使用的可视化技术之一是 t-SNE，但它的性能受到数据集规模的影响，并且正确使用它可能需要一定学习成本。

AI配图魔改

UMAP projection

那么，UMAP带来了什么？最重要的是，UMAP速度很快，在数据集大小和维度方面都可以很好地扩展。例如，UMAP可以在不到 3 分钟的时间内降维 784 维、70,000 点的 MNIST 数据集，而 scikit-learn 的t-SNE需要 45 分钟。此外，UMAP倾向于更好地保留数据的全局结构。这可以归因于UMAP强大的理论基础，使得算法能够更好地在强调局部结构与全局结构之间取得平衡。

1. UMAP vs t-SNE

在深入探讨UMAP背后的理论之前，让我们看一下它在现实世界的高维数据上的表现。下面的图片显示了使用UMAP和t-SNE将 784 维 Fashion MNIST 数据集的子集降维到 3 维上的情况。请注意每个不同类别的聚类程度（局部结构），而相似的类别（例如凉鞋、运动鞋和踝靴）倾向于聚集（全局结构）。

Dimensionality reduction

虽然这两种算法都表现出强大的局部聚类，并将相似的类别聚集在一起，但UMAP