数据降维与可视化3 - UAMP
参考链接
潜在空间可视化:PCA、t-SNE、UMAP_哔哩哔哩_bilibili
首先将距离转化为图中节点的关系,使用加权图来计算邻居的权重来代表数据之间的距离关系,
首先对每一个数据进行分别计算不同数据的距离关系,得到链接权重,表示距离关系
然后对每一条路径的权重进行合并,最终得到一个统一的加权图
对每一个数据进行分别计算不同数据的距离关系,得到链接权重
然后对每一条路径的权重进行合并,最终得到一个统一的加权图
高维度 和低维度进行相同的变换,得到l两个加权的邻接矩阵
然后使用交叉熵来衡量 两种表示之间的关系
最后使用梯度下降来最小化KL散度
文档信息
- 本文作者:zuti666
- 本文链接:https://zuti666.github.io/2024/11/11/%E6%95%B0%E6%8D%AE%E9%99%8D%E7%BB%B4%E4%B8%8E%E5%8F%AF%E8%A7%86%E5%8C%963-UMAP/
- 版权声明:自由转载-非商用-非衍生-保持署名(创意共享3.0许可证)