UMAP与t-SNE算法相比有哪些优势和不足？

问题描述

精选答案

UMAP（UniformManifoldApproximationandProjection）和t-SNE（t-DistributedStochasticNeighborEmbedding）都是用于高维数据降维可视化的流行算法，那UMAP与t-SNE算法相比究竟有哪些优势和不足呢？

优势

对比维度	UMAP优势
计算速度	UMAP通常具有更快的计算速度，尤其在处理大规模数据集时。这是因为UMAP基于图的优化方法，其计算复杂度相对较低。而t-SNE在数据量增大时，计算时间会显著增加。
全局结构保留	UMAP能更好地保留数据的全局结构。它在构建低维嵌入时，不仅考虑了局部邻域关系，也对全局的拓扑结构有较好的呈现。t-SNE则更侧重于保留局部结构，在全局结构的展示上相对较弱。
参数鲁棒性	UMAP对参数的选择相对不那么敏感，用户可以在较宽的参数范围内获得比较合理的降维结果。而t-SNE的效果对参数设置非常敏感，例如困惑度的选择会极大影响可视化效果。

不足

对比维度	UMAP不足
局部细节表现	在某些情况下，UMAP对于数据局部细节的表现不如t-SNE。t-SNE能够在低维空间中更精准地保留数据点之间的局部距离关系，对于一些需要精细观察局部结构的任务，t-SNE可能更合适。
理论基础成熟度	t-SNE有更成熟的理论基础和广泛的研究应用，其背后的概率模型有较为清晰的解释。UMAP虽然在实践中表现出色，但理论上的完善程度相对较弱。