摘要
UMAP 是一种基于图结构的非参数降维算法，结合了黎曼几何与代数拓扑的思想，用于寻找结构化数据的低维嵌入表示。UMAP 算法包含两个步骤：（1）构建数据集的图表示形式（模糊单纯复形，fuzzy simplicial complex）；（2）通过随机梯度下降优化该图的低维嵌入。本文将 UMAP 的第二步扩展为在神经网络权重上的参数化优化，从而学习数据与嵌入空间之间的参数化映射关系。我们首先证明，参数化 UMAP（Parametric UMAP）在性能上可与传统非参数 UMAP 相媲美，同时具备参数化映射带来的显著优势，例如能够对新数据实现快速在线嵌入。随后，我们进一步探索将 UMAP 作为一种正则化手段，通过约束自编码器的潜在空间分布，实现对全局结构保持程度的参数化调节，并在半监督学习中通过捕捉未标记数据中的结构信息，有效提升分类器的准确率。Google Colab 交互式演示：https://colab.research.google.com/drive/1WkXVZ5pnMrm17m0YgmtoNjM_XHdnE5Vp?usp=sharing