arXiv (Cornell University)· 2018· Ön baskı
UMAP: Boyut İndirgeme İçin Yeni Bir Teknik t-SNE'yi Geride Bırakıyor
UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction
- 7.581atıf
- 2018yıl
Kısa özet
Yeni bir manifold öğrenme tekniği olan UMAP, t-SNE ile rekabetçi görselleştirme kalitesi sunarken verilerin boyutlarını indirger, daha fazla küresel yapıyı korur ve daha hızlı çalışır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- UMAP, boyut indirgeme için yeni bir manifold öğrenme tekniğidir.
- Riemann geometrisi ve cebirsel topoloji alanlarındaki teorik çerçevelerden oluşturulmuştur.
- UMAP, t-SNE ile rekabetçi görselleştirme kalitesi sunar.
- t-SNE'ye kıyasla daha fazla küresel yapıyı korur ve daha üstün çalışma zamanı performansına sahiptir.
- UMAP'ın gömme boyutu üzerinde hesaplama kısıtlaması yoktur, bu da genel amaçlı kullanımını sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
UMAP (Uniform Manifold Approximation and Projection) is a novel manifold learning technique for dimension reduction. UMAP is constructed from a theoretical framework based in Riemannian geometry and algebraic topology. The result is a practical scalable algorithm that applies to real world data. The UMAP algorithm is competitive with t-SNE for visualization quality, and arguably preserves more of the global structure with superior run time performance. Furthermore, UMAP has no computational restrictions on embedding dimension, making it viable as a general purpose dimension reduction technique for machine learning.
Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2018 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilgisayarlı Görü ve Örüntü Tanıma
Computer Vision and Pattern RecognitionComputer Science