UMAP：均匀流形逼近与投影用于降维
均匀流形逼近与投影 (UMAP) 是一种降维技术，可以用于可视化，类似于 t-SNE，也可用于一般的非线性降维。该算法基于对数据的三个假设
数据均匀分布在黎曼流形上；
黎曼度量在局部是常数（或可以近似为常数）；
流形是局部连通的。
基于这些假设，可以使用模糊拓扑结构对流形进行建模。通过寻找数据在低维空间中的投影，使其具有最接近的等效模糊拓扑结构，来找到嵌入。
关于底层数学的详细信息可以在我们的 ArXiv 论文中找到
McInnes, L, Healy, J, UMAP：均匀流形逼近与投影用于降维, ArXiv e-prints 1802.03426, 2018
您可以在github 上找到该软件。
安装
通过 conda-forge 团队的出色工作进行 Conda 安装
conda install -c conda-forge umap-learn
conda-forge 软件包可用于 linux、OS X 和 Windows 64 位系统。
PyPI 安装，前提是您已安装 numba、sklearn 及其所有依赖项（numpy 和 scipy）
pip install umap-learn
用户指南 / 教程
UMAP 背景知识
UMAP 使用示例
API 参考
- UMAP API 指南
- UMAP
- ParametricUMAP
- 常用函数
compute_membership_strengths()discrete_metric_simplicial_set_intersection()fast_intersection()fast_metric_intersection()find_ab_params()fuzzy_simplicial_set()init_graph_transform()init_transform()make_epochs_per_sample()nearest_neighbors()raise_disconnected_warning()reset_local_connectivity()simplicial_set_embedding()smooth_knn_dist()