我试图为 UMAP 找到一个类似于 explain_variance_ratio（在 sklearn 中的 PCA 中）的属性，但我找不到这样的东西。在 PCA 中，我可以对 n_components 的不同值使用 explain_variance_ratio 并比较结果。有什么可以在 python 中用于 UMAP 的东西吗？
【问题讨论】：
标签： python machine-learning scikit-learn data-science dimensionality-reduction
您无法轻松估计 UMAP 解释的方差，因为与 PCA 相比，它是一种非线性降维形式。下面是更详细的潜水。
PCA 试图在高维空间中找到尽可能多地捕捉方差的投影。您将数据投影到这些正交平面上，并且您可以估计每个捕获的方差，与原始数据中的方差相比。它贯穿始终，是一个线性运算，因此您可以定义解释的方差。您可以查看this post about variance explained 或this about PCA
UMAP 是一种非线性降维形式。从help page 开始，UMAP 使用所谓的单纯复形来捕获特征的拓扑空间，并从那里获得低维缩减。您可以将其视为一个高维图，它更适合于捕获数据点之间的相互联系而不是方差。因此，到目前为止，我不知道有一种方法可以检索 UMAP 中解释的方差。也可以在github查看作者的回复。
【讨论】：