というのが気になったので、簡単な比較をしてみました。 実践!PythonでUMAP, PCA, t-SNE, “PCA & UMAP”を比較 以降からUMAP, PCA, t-SNE, “PCA & UMAP”の次元削減手法を実装していきます。 データセット 高次元かつ他の人も入手しやすいデータセットが load_digits(手書き数字の画像)しか思いつかなかったので、それを使います。 データセット可視化 一応データセットを可視化してみます。 def plot_gallery(images, labels, h=8, w=8, n_row=2, n_col=4): """Helper function to plot a gallery of portraits""" plt.figure(figsize=(1.4 * n_col, 2.0 * n_row)) plt.subplots_
![【次元低減】UMAP, PCA, t-SNE, PCA + UMAP の比較|はやぶさの技術ノート](https://cdn-ak-scissors.b.st-hatena.com/image/square/91950734582a3f3a404b8fa87e4d64ae8c2205c6/height=288;version=1;width=512/https%3A%2F%2Fcpp-learning.com%2Fwp-content%2Fuploads%2F2020%2F09%2FDimensionality-Reduction.jpg)