要約
UMAP（Uniform Manifold Approximation and Projection）は、次元削減のための新しい多様体学習手法です。UMAPは、リーマン幾何学と代数トポロジーに基づく理論的枠組みから構築されています。その結果、実世界のデータに適用可能な実用的でスケーラブルなアルゴリズムが開発されました。UMAPアルゴリズムは、可視化品質においてt-SNEと競合し、全体的な構造をよりよく保つとともに、優れた実行時間性能を示しています。さらに、UMAPには埋め込み次元に関する計算上の制約がなく、機械学習における一般的な次元削減技術として利用可能です。