USE FOR CABLE JOINT TEMPERATURE INVERSION BSED ON IMPROVED SPARROW SEARCH ALGORITHM AND BACK PROPAGATION NEURAL NETWORK. DATA PREPROCESSING BY DATA DIMENSION REDUCTION ALGORITHM

鲑鱼汤 在鲑鱼虱子SNP数据集上使用

Umap 杂志每一年在美国数学建模结束之后都会给出权威的介绍 包括题目的选取 题目的主攻方向 获奖队的成功之处 对于英语很好的同学们很值得一看

ICM2018年美国大学生数学建模竞赛-UMAP

了解UMAP 降维是机器学习从业人员可视化和理解大型，高维数据集的强大工具。 是最广泛使用的可视化技术之一，但其性能在大型数据集中会受到影响，正确使用它可能会。 是McInnes等人的一项新技术。 与t-SNE相比，它具有许多优势，最显着的是提高了速度并更好地保存了数据的全局结构。 在本文中，我们将研究UMAP背后的理论，以便更好地了解该算法的工作原理，如何有效地使用它以及与t-SNE相比其性能如何。 yarn yarn dev 发布到github页面 yarn pub 单独制定数字 yarn dev:cech yarn dev:hyperparameters yarn dev:mammoth-umap yarn dev:mammoth-tsne yarn dev:supplement yarn dev:toy yarn dev:toy_comparison 数据预处理 对于庞大的数

密集 umap的神经网络近似

美国大学生数学建模竞赛 Mcm ICM 官方评委点评和o奖论文的杂志 UMap 2010-2018年的，已经整理好。准备美模最好的资料

umap：均匀流形逼近和投影

给定一组高维数据，run_umap.m 生成数据的低维表示，用于数据可视化和探索。 有关如何使用此代码的文档和许多示例，请参阅文件 run_umap.m 顶部的注释。 UMAP 算法是 Leland McInnes、John Healy 和 James Melville 的发明。 有关详细描述，请参阅他们的原始论文 ( https://arxiv.org/pdf/1802.03426.pdf )。 另请参阅原始 Python 实现的文档 ( https://umap-learn.readthedocs.io/en/latest/index.html )。 这个 MATLAB 实现遵循与 Python 实现非常相似的结构，许多函数描述几乎相同。 以下是此 MATLAB 实现的一些主要区别： 1) MATLAB 函数 eigs.m 似乎不如 Python 包 Scipy 中的函数“ei

TSNE-UMAP-嵌入可视化 一种简单易用的可视化嵌入方式！ 这个项目的博客文章在。 这个项目是什么？ 该项目是从派生。 它显示了如何在图像上使用预训练的InceptionV3模型并将其绘制在交互式3d地图中。 更新2020 Google已更新了嵌入项目，以支持新功能，其中包括对UMAP的支持。 为什么在独立投影仪上使用此功能？ 该项目使您可以可视化带有轻视堆栈的向量的任何阵列。 它旨在与任何库分离。 而且，它使用静态文件系统，因此您可以在不需要服务器的情况下发布结果。 例如 。 项目结构 |-- data <-- where to put raw data |-- Feature-extractor.ipynb <-- Demo of Embedding generation in a step by step fashion |-- index.html <-- The GU