UMAP-JS

这是一个基于Python实现（https://github.com/lmcinnes/umap）的JavaScript重新实现的UMAP。

统一流形近似和投影（UMAP）是一种降维技术，可以用于类似t-SNE的可视化，也可用于一般的非线性降维。

Python实现和JS移植版本之间有一些重要的区别：

优化步骤使用随机嵌入而非谱嵌入作为种子。这对较小的数据集给出了可比较的结果。谱嵌入计算依赖于在JS中难以高效完成的特征值/特征向量计算。
没有针对角度距离或稀疏数据表示的专门功能。

使用方法

安装

yarn add umap-js

同步拟合

import { UMAP } from 'umap-js';

const umap = new UMAP();
const embedding = umap.fit(data);

异步拟合

import { UMAP } from 'umap-js';

const umap = new UMAP();
const embedding = await umap.fitAsync(data, epochNumber => {
  // 检查进度并给予用户反馈，或返回 `false` 以停止
});

逐步拟合

import { UMAP } from 'umap-js';

const umap = new UMAP();
const nEpochs = umap.initializeFit(data);
for (let i = 0; i < nEpochs; i++) {
  umap.step();
}
const embedding = umap.getEmbedding();

使用标签进行监督投影

import { UMAP } from 'umap-js';

const umap = new UMAP();
umap.setSupervisedProjection(labels);
const embedding = umap.fit(data);

拟合后转换额外的点

import { UMAP } from 'umap-js';

const umap = new UMAP();
umap.fit(data);
const transformed = umap.transform(additionalData);

参数

UMAP构造函数可以通过UMAPParameters对象接受多个超参数，下面描述了最常见的参数。更多详情请参见umap.ts。

参数	描述	默认值
`nComponents`	将数据投影到的组件（维度）数量	2
`nEpochs`	通过SGD优化嵌入的轮数	（自动计算）
`nNeighbors`	构建模糊流形的最近邻数量	15
`minDist`	嵌入点之间的有效最小距离，与`spread`一起控制嵌入的聚集/分散性质	0.1
`spread`	嵌入点的有效比例，与`minDist`一起控制嵌入的聚集/分散性质	1.0
`random`	用于控制随机过程的伪随机数生成器	`Math.random`
`distanceFn`	要使用的自定义距离函数	`euclidean`

const umap = new UMAP({
  nComponents: 2,
  nEpochs: 400,
  nNeighbors: 15,
});

测试

umap-js使用jest进行测试。

yarn test

这不是 Google 官方支持的产品

umap-js

UMAP-JS

使用方法

安装

同步拟合

异步拟合

逐步拟合

使用标签进行监督投影

拟合后转换额外的点

参数

测试

编辑推荐精选

Keevx

即梦AI

扣子-AI办公

TRAE编程

蛙蛙写作

问小白

Transly

讯飞智文

讯飞星火

Spark-TTS

探索AI的无限可能

推荐工具精选

TRAE编程

扣子-AI办公

讯飞文书

讯飞绘文

讯飞绘镜

阿里绘蛙

咔片PPT

AI云服务特惠

火山引擎

阿里云

腾讯云

华为云

百度智能云

AWS

关注微信公众号