【发布时间】：2020-11-18 05:26:54
【问题描述】：
我想尝试对我的高维数据集使用 UMAP 作为预处理步骤（不是用于数据可视化），以减少特征数量，但我该如何选择（如果有方法）正确数量的映射原始数据的维度？例如，在 PCA 中，您可以选择解释固定百分比方差的因素的数量。
【问题讨论】：
标签： pca dimensionality-reduction
【发布时间】：2020-11-18 05:26:54
【问题描述】：
没有与 PCA 给出的显式度量相媲美的好方法。但是，根据经验，对于大于n_neighbors 值的嵌入维度，您将获得显着递减的收益。考虑到这一点，并且由于您实际上有一个下游任务，因此最有意义的是构建下游任务评估的管道并查看 UMAP 维度数量的交叉验证。
【讨论】：
-
尝试直接测量 UMAP-ed 数据集与原始数据集的解释方差有什么缺点（例如，通过 scikit-learn.org/stable/modules/…）。也许与线性假设有关？如果您的建模管道不适合寻找最佳嵌入维度（例如，我们的用例是无监督的），这在某些情况下是否完全没有信息，或者至少是一个足够好的衡量标准？