Uniform Manifold Approximation and Projection (UMAP) to algorytm uczenia maszynowego wykorzystywany do nieliniowej redukcji wymiarowości danych. Metoda ta opiera się na matematycznej teorii rozmaitości oraz geometrii riemannowskiej, co pozwala na zachowanie zarówno lokalnej, jak i globalnej struktury relacji między punktami. Jest szeroko stosowana do wizualizacji zbiorów danych o wysokim wymiarze, takich jak dane ekspresji genów czy wektory właściwości obrazów. Dzięki wysokiej wydajności obliczeniowej UMAP stanowi popularną i efektywną alternatywę dla algorytmu t-SNE.
Źródło: en.wikipedia.org
