Аннотация

Аннотация: Цели. В статье рассмотрена задача нелинейного снижения размерности данных с применением алгоритма PaCMAP (Pairwise Controlled Manifold APproximation). Цель работы – исследование различных сценариев предварительной обработки данных и инициализации вложений при реализации алгоритма PaCMAP. Методы. В базовой версии алгоритма PaCMAP для предварительной обработки данных и инициализации вложений используется алгоритм PCA, являющийся алгоритмом линейного снижения размерности. В предлагаемой статье рассматриваются и исследуются в смысле минимизации значения функции потерь различные сценарии предварительной обработки данных и инициализации вложений с использованием 11 алгоритмов линейного и нелинейного снижения размерности в составе алгоритма PaCMAP. Результаты. Результаты экспериментальных исследований на тестовых и практических наборах данных демонстрируют преимущество ряда алгоритмов снижения размерности при включении их в сценарий предварительной обработки данных и инициализации вложений по отношению к алгоритму PCA. Лучшие результаты (в смысле минимизации функции потерь) на рассмотренных наборах данных получены, в частности, с применением алгоритмов UMAP, MSD и SE. При этом использование алгоритма MSD в составе алгоритма PaCMAP сопровождается значительными временными затратами. Выводы. Ряд алгоритмов линейного и нелинейного снижения размерности имеют преимущество (в смысле минимизации функции потерь) по отношению к алгоритму PCA при включении их в сценарии предварительной обработки данных и инициализации вложений в составе алгоритма PaCMAP. При этом использование алгоритма PCA в составе алгоритма PaCMAP обеспечивает минимальные временные затраты на его реализацию, а использование алгоритма MSD в составе алгоритма PaCMAP приводит к максимальным временным затратам на его реализацию.