PulseAugur
中
实时 08:38:29
English(EN) On Out-of-sample Embedding in UMAP

新的样本外数据方法改进了UMAP嵌入

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新方法，以改进将新数据点集成到现有UMAP嵌入中的方式。当前的UMAP算法在处理样本外点时存在困难，常常将它们错误地放置在簇的边缘。这种新方法优化了原始k近邻图内的关系，以减轻这种“排斥效应”，从而在簇内部实现更准确的放置。研究还表明，参数化UMAP可以产生更优的嵌入，特别是对于医学图像等复杂数据。 AI

影响 增强了数据可视化技术，可能提高了AI应用中复杂数据集的可解释性。

排序理由 学术论文，详细介绍了一种现有算法的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mohammad Tariqul Islam, Jason W. Fleischer ·

    On Out-of-sample Embedding in UMAP

    arXiv:2606.04451v1 Announce Type: new Abstract: Neighbor embedding algorithms reveal correlations in high-dimensional data by constructing an equivalent graph representation in a lower-dimensional space. An increasingly popular algorithm is Uniform Manifold Learning and Projectio…

相关实体

相关话题