Accueil▸Science des Données & Statistiques▸Réduction de Dimensionnalité : PCA, t-SNE et UMAP

📉 Réduction de Dimensionnalité : PCA, t-SNE et UMAP

Observez une véritable PCA (décomposition en valeurs propres de la covariance), une optimisation en direct de type t-SNE préservant les voisinages, et un plongement de type UMAP s'exécuter sur des nuages de points 3D et les projeter en 2D en temps réel.

Science des Données & Statistiques2DAvancé60 IPS

⚙ Sous le capot

Observez une véritable PCA (décomposition en valeurs propres de la covariance), une optimisation en direct de type t-SNE, et un plongement de type UMAP projeter des nuages de points 3D en 2D en temps réel.

dimensionality-reductionpcat-sneumapmachine-learningeigenvectors

2D · Canvas HTML5 2D · Cible 60 IPS · fonctionne entièrement côté client, sans installation