一様多様体近傍推定と射影（UMAP）

Rによる次元削減

Matt Pickard

Owner, Pickard Predictives, LLC

PCA、t-SNE、UMAP

PCA、t-SNE、UMAP の比較

PCA、t-SNE、UMAP

PCA、t-SNE、UMAP の比較

PCA、t-SNE、UMAP

PCA、t-SNE、UMAP の比較

PCA、t-SNE、UMAP

PCA、t-SNE、UMAP の比較

PCA、t-SNE、UMAP

PCA、t-SNE、UMAP の比較

UMAP には同様のハイパーパラメータがあり、チューニング可能です。

UMAP プロット

library(embed)


set.seed(1234)
umap_df <- recipe(Attrition ~ ., data = attrition_df) %>% 
  step_normalize(all_predictors()) %>% 
  step_umap(all_predictors(), num_comp = 2) %>% 
  prep() %>% 
  juice()


umap_df %>%  
  ggplot(aes(x = UMAP1, y = UMAP2, color = Attrition)) +
  geom_point(alpha = 0.7)

UMAP：従業員の離職

従業員離職の UMAP プロット

tidymodels での UMAP

レシピの作成

umap_recipe <-  recipe(Attrition ~ ., data = train) %>% 
  step_normalize(all_predictors()) %>% 
  step_umap(all_predictors(), num_comp = 4)

モデル仕様の作成

umap_lr_model <- linear_reg()

tidymodels での UMAP

ワークフローの作成

umap_lr_workflow <-  workflow() %>% 
  add_recipe(umap_recipe) %>% 
  add_model(umap_lr_model)

ワークフローの学習

umap_lr_fit <- umap_lr_workflow %>% 
  fit(data = train)

tidymodels での UMAP

モデルの評価

predict_umap_df <- test %>% 
  bind_cols(predict = predict(umap_lr_fit, test))

rmse(predict_umap_df, Attrition, .pred_class)

練習してみましょう！

Rによる次元削減