umap은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

umap은(는) BSD-3-Clause 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

umap은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. umap의 마지막 커밋은 2026년 11월 3일입니다.

umap은(는) 어디에 사용할 수 있나요?

임베딩이나 단일 세포 데이터 같은 고차원 데이터셋을 2D로 시각화 HDBSCAN 같은 클러스터링 알고리즘을 실행하기 전에 차원 축소 scikit-learn 파이프라인에서 전처리 단계로 UMAP 사용

umap는 어떻게 설치하나요?

pip으로 설치: pip install umap-learn conda（conda-forge）로 설치: conda install -c conda-forge umap-learn Python에서 데이터를 fit하고 transform하기: `import umap`을 실행한 다음 `umap.UMAP().fit_transform(data)`를 호출합니다

umap은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/lmcinnes/umap

lmcinnes/umap

시각화와 머신러닝 전처리에 사용하는 비선형 차원 축소 기법 UMAP을 위한 Python 라이브러리입니다.

GitHub에서 보기 웹사이트

스타: 8,288
포크: 880
열린 이슈: 539
마지막 커밋: 3일 전

어떤 프로젝트인가요?

UMAP(Uniform Manifold Approximation and Projection)은 고차원 데이터를 저차원 공간으로 투영하는 차원 축소 기법으로, 주로 시각화를 위해 2D 또는 3D로 표현합니다. t-SNE와 비슷한 용도로 사용할 수 있으며, 클러스터링이나 다른 머신러닝 작업 전에 범용 차원 축소 단계로 활용할 수도 있습니다.

이 패키지는 scikit-learn API를 따르므로 fit_transform을 호출하거나 sklearn 파이프라인에서 사용할 수 있습니다. 주요 매개변수로는 지역 구조와 전역 구조 간의 균형을 조절하는 n_neighbors, 점들이 얼마나 촘촘하게 배치될지 제어하는 min_dist, 그리고 cosine과 correlation을 비롯한 다양한 거리 함수를 지원하는 metric이 있습니다. 희소 행렬 입력도 지원하며, transform을 사용해 기존 임베딩에 새 점을 추가할 수도 있습니다.

핵심 알고리즘 외에도 임베딩을 그리는 umap.plot 하위 패키지, 신경망을 학습하는 Parametric UMAP 변형(TensorFlow 필요), 그리고 지역 밀도 정보도 보존하는 densMAP이 포함되어 있습니다. pip 또는 conda-forge로 설치할 수 있습니다.

핵심 기능

01fit 및 transform 메서드를 제공하는 scikit-learn 스타일의 드롭인 API
02cosine 및 correlation 같은 비계량 거리 함수를 포함해 다양한 거리 측정 기준 지원
03희소 행렬 입력 지원
04y 매개변수를 통한 지도 및 준지도 차원 축소 지원
05임베딩 시각화를 위한 umap.plot과 밀도 보존을 위한 densMAP 포함

활용 사례

임베딩이나 단일 세포 데이터 같은 고차원 데이터셋을 2D로 시각화
HDBSCAN 같은 클러스터링 알고리즘을 실행하기 전에 차원 축소
scikit-learn 파이프라인에서 전처리 단계로 UMAP 사용

빠른 시작

1
pip으로 설치
pip install umap-learn
2
conda（conda-forge）로 설치
conda install -c conda-forge umap-learn
3
Python에서 데이터를 fit하고 transform하기: `import umap`을 실행한 다음 `umap.UMAP().fit_transform(data)`를 호출합니다

사용 전 알아둘 점

Parametric UMAP에는 TensorFlow가 필요하며, 별도로 설치해야 합니다.

포함된 컬렉션

다이어그램, 차트 & 애니메이션 시각화 도구

토픽

#dimensionality-reduction#machine-learning #visualization#manifold-learning#clustering #python#topological-data-analysis#umap

자주 묻는 질문

umap은(는) 무엇인가요?: 시각화와 머신러닝 전처리에 사용하는 비선형 차원 축소 기법 UMAP을 위한 Python 라이브러리입니다. UMAP(Uniform Manifold Approximation and Projection)은 고차원 데이터를 저차원 공간으로 투영하는 차원 축소 기법으로, 주로 시각화를 위해 2D 또는 3D로 표현합니다. t-SNE와 비슷한 용도로 사용할 수 있으며, 클러스터링이나 다른 머신러닝 작업 전에 범용 차원 축소 단계로 활용할 수도 있습니다.
umap은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?: umap은(는) BSD-3-Clause 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
umap은(는) 아직 유지보수되고 있나요?: 활발히 유지보수 중. umap의 마지막 커밋은 2026년 11월 3일입니다.
umap은(는) 어디에 사용할 수 있나요?: 임베딩이나 단일 세포 데이터 같은 고차원 데이터셋을 2D로 시각화 HDBSCAN 같은 클러스터링 알고리즘을 실행하기 전에 차원 축소 scikit-learn 파이프라인에서 전처리 단계로 UMAP 사용
umap는 어떻게 설치하나요?: pip으로 설치: pip install umap-learn conda（conda-forge）로 설치: conda install -c conda-forge umap-learn Python에서 데이터를 fit하고 transform하기: `import umap`을 실행한 다음 `umap.UMAP().fit_transform(data)`를 호출합니다
umap은(는) 어디서 받을 수 있나요?: 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/lmcinnes/umap

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.