AIKraft/Skills/umap-learn

umap-learn

Применяет umap-learn для нелинейного снижения размерности, создания 2D/3D-вложений, предобработки кластеризации, а также для работы с supervised/semi-supervised UMAP, DensMAP, AlignedUMAP и Parametric UMAP.

KDK-Dense official Данные ★ 47.7k

Что делает навык

Применяет UMAP для быстрого и масштабируемого нелинейного снижения размерности, создавая 2D/3D-вложения, сохраняющие структуру соседства. Поддерживает supervised/semi-supervised режимы, DensMAP, AlignedUMAP и Parametric UMAP для предобработки кластеризации и визуализации.

Когда применять

  • Визуализация высокоразмерных данных в 2D или 3D для анализа распределения и выбросов.
  • Предобработка данных перед кластеризацией для улучшения качества группировки.
  • Снижение размерности с использованием меток классов (supervised) или частичных меток (semi-supervised).
  • Сравнение вложений разных наборов данных с помощью AlignedUMAP.

Как работает

  1. Установить umap-learn==0.5.12 (требует Python 3.9+, scikit-learn>=1.6, numba, pynndescent, numpy, scipy).
  2. Подготовить данные: убедиться, что координаты конечны, а тестовые данные для предсказаний исключены из этапа обучения.
  3. Инициализировать UMAP с нужными параметрами (например, n_components=2 для визуализации или n_neighbors для настройки локальной структуры).
  4. Выполнить fit_transform для получения вложений или fit для последующего transform новых данных.
  5. Проверить сохранение соседства, чувствительность к seed и наличие доменных доказательств в исходном пространстве.
  6. Интерпретировать результаты, помня, что оси, площади островов и разрывы между кластерами не имеют калиброванного физического смысла.

Примеры запросов агенту

Примени UMAP для снижения размерности моего датасета до 2D для визуализации.
Сделай предобработку кластеризации с помощью UMAP, используя метки классов.
Сравни вложения двух наборов данных с помощью AlignedUMAP.

Что понадобится

  • Python 3.9+
  • umap-learn==0.5.12
  • scikit-learn>=1.6, numba, pynndescent, numpy, scipy

Описание составлено по SKILL.md навыка, сверено 09.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «umap-learn» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r umap-learn/ ~/.claude/skills/umap-learn/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.