umap-learn

# UMAP-Learn ## 概述 UMAP (Uniform Manifold Approximation and Projection) 是一种用于可视化和通用非线性降维的技术。应用此技能可实现快速、可扩展的嵌入，同时保留局部和全局结构，适用于监督学习和聚类预处理。 ## 快速入门 ### 安装 bash uv pip install umap-learn ### 基本用法 UMAP 遵循 scikit-learn 约定，可作为 t-SNE 或 PCA 的直接替代品。 python import umap from sklearn.preprocessing import StandardScaler # 准备数据（标准化至关重要） scaled_data = StandardScaler().fit_transform(data) # 方法 1：单步执行（拟合并转换） embedding = umap.UMAP().fit_transform(scaled_data) # 方法 2：分步执行（用于重用已训练模型） reducer = umap.UMAP(random_state=42) reducer.fit(scaled_data) embedding = reducer.embedding_ # 访问已训练的嵌入 **关键预处理要求：** 在应用 UMAP 之前，务必将特征标准化到可比较的尺度，以确保各维度权重相等。 ### 典型工作流 python import umap import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler # 1. 数据预处理 scaler = StandardScaler() scaled_data = scaler.fit_transform(raw_data) # 2. 创建并拟合 UMAP reducer = umap.UMAP( n_neighbors=15, min_dist=0.1, n_components=2, metric='euclidean', random_state=42 ) embedding = reducer.fit_transform(scaled_data) # 3. 可视化 plt.scatter(embedding[:, 0], embedding[:, 1], c=labels, cmap='Spectral', s=5) plt.colorbar() plt.title('UMAP 嵌入') plt.show() ## 参数调优指南 UMAP 有四个主要参数控制嵌入行为。理解这些参数对于有效使用至关重要。 ### n_neighbors（默认值：15） **目的：** 平衡嵌入中的局部与全局结构。 **工作原理：** 控制 UMAP 在学习流形结构时检查的局部邻域大小。 **不同取值的影响：** - **低值 (2-5)：** 强调精细的局部细节，但可能将数据碎片化为不连通的组件 - **中值 (15-20)：** 局部结构与全局关系的平衡视图（推荐起始点） - **高值 (50-200)：** 优先考虑广泛的拓扑结构，但会牺牲精细细节 **建议：** 从 15 开始，并根据结果进行调整。增加该值以获得更全局的结