UMAP: a superior dimensionality reduction algorithm compared to t-SNE

文章目录

• • 1. 论文整体思路
  • 2. 背景补充
  • • • 单纯形 (Simplices)
  • 单纯复形 (Simplicial complex)

• 3. 理论拓展

  • 4. 若干改进措施

  • • • 如何合理确定开覆盖的参数设置？

  • 在更高维度的数据集中存在大量孤立点的问题。

  • 局部度量标准之间的不兼容性。

    • 找到一个低维表示

*5. UMAP 算法
*6. 数学表达
* * * 高维度数据在特征空间中的映射情况
低维度数据在特征空间中的映射情况
交叉熵损失

  * Algorithm description

* 7\. 实验结果

论文题目：UMAP: Uniformly Manifold Approximation and Projection for Dimension Reduction
作者：Leland McInnes, respectively John Healy, respectively James Melville
时间：on December 7, 2018

UMAP (Uniform Manifold Approximation and