摘要

UMAP（Uniform Manifold Approximation and Projection，均匀流形近似与投影）是一种新颖的用于降维的流形学习技术。UMAP 基于黎曼几何和代数拓扑的理论框架构建而成。该方法的结果是一个适用于实际数据的实用且可扩展的算法。UMAP 算法在可视化质量方面与 t-SNE 相当，但在保持更多全局结构的同时具有更优的运行时间性能。此外，UMAP 在嵌入维度上没有计算限制，因此可以作为机器学习中的一种通用降维技术。