はじめに こんにちは! 皆さん次元圧縮手法といえばどのようなものを思いつきますか? PCA,Isomap,t-SNEなどでしょう。 こちらの記事が大変よくまとめられています。 高次元データの次元削減および2次元プロット手法 今日ご紹介したいのはUMAPという次元削減手法です。 論文がarXivに2018年2月9日に上がったばかりの手法です。 なんと、t-SNEと同程度の次元削減を数倍の速さでできてしまいます。 論文については、リーマン幾何学と代数トポロジーを背景にされているようなのでじっくり読み込んで後日まとめたいと思います。 興味のある方はこちらからどうぞ UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction 使ってみよう なんと早くもライブラリが公開されています。 ひとまず使ってみましょう
![最新の次元圧縮法"UMAP"について - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/5da88d51b9a8f453dc7917ff73022409ba9db48a/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU2JTlDJTgwJUU2JTk2JUIwJUUzJTgxJUFFJUU2JUFDJUExJUU1JTg1JTgzJUU1JTlDJUE3JUU3JUI4JUFFJUU2JUIzJTk1JTIyVU1BUCUyMiVFMyU4MSVBQiVFMyU4MSVBNCVFMyU4MSU4NCVFMyU4MSVBNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9ZmFkNzEwZDFhNjBlMzU2ZmVlMGU1MmQ1MmQ3MWYxOGM%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBjaGVlcmZ1bGFyZ2UmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTJlZDc3MjYxNTNmMjM3OGVkZjA0NjVmNTJmNmQyNWRk%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Df531ff6e43d3098f8f5a3b4a0167bc7b)