Il s'agit de l'application Linux UMAP, dont la dernière version est téléchargeable sous le nom release-0.5.9.post2sourcecode.tar.gz. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne cette application nommée UMAP avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
UMAP
DESCRIPTION
L'approximation et projection uniformes de variétés (UMAP) est une technique de réduction dimensionnelle qui peut être utilisée pour la visualisation, de la même manière que la t-SNE, mais aussi pour la réduction dimensionnelle non linéaire générale. Il est possible de modéliser la variété avec une structure topologique floue. L'intégration est obtenue en recherchant une projection de faible dimension des données présentant la structure topologique floue équivalente la plus proche. Tout d'abord, UMAP est rapide. Il peut gérer sans difficulté de grands ensembles de données et des données de grande dimension, avec une évolutivité supérieure à celle de la plupart des logiciels t-SNE. Cela inclut les ensembles de données clairsemés de très grande dimension. UMAP a été utilisé avec succès directement sur des données de plus d'un million de dimensions. Ensuite, UMAP s'adapte bien à la dimension d'intégration ; il n'est pas réservé à la visualisation. Vous pouvez utiliser UMAP comme technique de réduction dimensionnelle polyvalente, en tant qu'étape préliminaire à d'autres tâches de machine learning.
Caractéristiques
- Les données sont uniformément distribuées sur une variété riemannienne
- Documents disponibles
- La métrique riemannienne est localement constante (ou peut être approximée comme telle)
- Le collecteur est connecté localement
- UMAP dépend de scikit-learn, et donc des dépendances de scikit-learn
- Exemples inclus
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/umap.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.
