محققان در یک پژوهش جدید نشان دادهاند که برای درک بهتر دادههای پیچیده، لازم نیست فقط به خروجیهای دوبعدی UMAP اکتفا کنیم. در واقع، گراف kNN که این الگوریتم در لایههای داخلی خود میسازد، گنجینهای از اطلاعات ارزشمند درباره ساختار دادههاست که تاکنون نادیده گرفته شده بود.
با استفاده از روشهای تحلیل گراف مثل PageRank یا Clustering Coefficient روی این ساختار داخلی، میتوان دقت تحلیل دادهها را به مراتب بالاتر برد و نتایجی به دست آورد که با روشهای سنتیِ خوشهبندی، سخت به دست میآمدند. این یک خبر عالی برای متخصصان علوم داده و هوش مصنوعی است که به دنبال ابزارهای دقیقتر برای “معناسازی” (Sensemaking) از دادههای ابعاد بالا هستند. 🧠✨
منبع: arXiv AI