« Algorithme UMAP » : différence entre les versions


Aucun résumé des modifications
m (Remplacement de texte : « ↵↵<small> » par « ==Sources== »)
 
(3 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
L'algorithme UMAP (Uniform Manifold Approximation and Projection) est une méthode de réduction de dimensions, similaire à [[Algorithme T-SNE|t-SNE]] et [[Analyse_en_composantes_principales|ACP]], pour la visualisation d'un ensemble de points d'un espace à grande dimension dans un espace à deux ou trois dimensions par projection.  
L'algorithme UMAP (''Uniform Manifold Approximation and Projection'') est une méthode de réduction de dimensions par projection, similaire à [[Algorithme T-SNE|t-SNE]] et [[Analyse_en_composantes_principales|ACP]], pour la visualisation d'un ensemble de points d'un espace à grande dimension dans un espace à deux ou trois dimensions.  


== Compléments ==  
== Compléments ==  
L’algorithme est fondé sur trois hypothèses au sujet des données :
L’algorithme est fondé sur trois hypothèses au sujet des points ou données :
# les données sont distribuées uniformément dans la variété (''manifold'');
# les points sont distribués uniformément dans la variété (''manifold'');
# la métrique sur la variété demeure constante, ou du moins, c’est l'hypothèse retenue;
# la métrique sur la variété demeure constante, du moins c’est l'hypothèse retenue;
# la variété est localement connexe.
# la variété est localement connexe.


En suivant ces hypothèses, il est possible de représenter la variété à l’aide d’une structure floue qui permet une projection en basse dimension des données qui se rapproche le plus de cette structure floue.
En suivant ces hypothèses, il est possible de représenter la variété à l’aide d’une structure floue qui permet une projection en basse dimension des points qui se rapproche le plus de cette structure floue.


== Français ==
== Français ==
Ligne 14 : Ligne 14 :


''' approximation et projection uniforme de variétés '''
''' approximation et projection uniforme de variétés '''


== Anglais ==
== Anglais ==
Ligne 20 : Ligne 19 :


''' Uniform Manifold Approximation and Projection '''
''' Uniform Manifold Approximation and Projection '''
 
==Sources==
 
<small>


[https://www.cse-cst.gc.ca/fr/culture-et-communaute/recherche/uniform-manifold-approximation-and-projection-umap  Source : Centre de la sécurité des télécommunications ]
[https://www.cse-cst.gc.ca/fr/culture-et-communaute/recherche/uniform-manifold-approximation-and-projection-umap  Source : Centre de la sécurité des télécommunications ]
Ligne 28 : Ligne 25 :
[https://www.youtube.com/watch?v=5uD4RhJJjTg Source : Méthodes t-SNE et UMAP pour visualisation et réduction de dimension ]
[https://www.youtube.com/watch?v=5uD4RhJJjTg Source : Méthodes t-SNE et UMAP pour visualisation et réduction de dimension ]


[[Catégorie:Publication]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:Wikipedia-IA‎]]

Dernière version du 27 janvier 2024 à 16:44

Définition

L'algorithme UMAP (Uniform Manifold Approximation and Projection) est une méthode de réduction de dimensions par projection, similaire à t-SNE et ACP, pour la visualisation d'un ensemble de points d'un espace à grande dimension dans un espace à deux ou trois dimensions.

Compléments

L’algorithme est fondé sur trois hypothèses au sujet des points ou données :

  1. les points sont distribués uniformément dans la variété (manifold);
  2. la métrique sur la variété demeure constante, du moins c’est l'hypothèse retenue;
  3. la variété est localement connexe.

En suivant ces hypothèses, il est possible de représenter la variété à l’aide d’une structure floue qui permet une projection en basse dimension des points qui se rapproche le plus de cette structure floue.

Français

algorithme UMAP

approximation et projection uniforme de variétés

Anglais

UMAP

Uniform Manifold Approximation and Projection

Sources

Source : Centre de la sécurité des télécommunications

Source : Méthodes t-SNE et UMAP pour visualisation et réduction de dimension