数据降维与可视化3 - UAMP

2024/11/11 math MachineLearning Visualization 共 320 字,约 1 分钟

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

UMAP降维算法原理详解和应用示例 - 知乎

UMAP:比t-SNE更好的降维算法 - 简书

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

image-20241112002114222

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

image-20241112002242833

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

image-20241112002459352

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

image-20241112002538083

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

Search

    Table of Contents