Python：umap 库高级用法举例和应用详解

import numpy as np  # 导入NumPy库，用于数组的创建和操作
import umap  # 导入UMAP模块，用于数据降维
import matplotlib.pyplot as plt  # 导入Matplotlib库，用于数据可视化

# 生成随机数据作为示例
data = np.random.rand(100, 10)  # 创建100个样本，每个样本有10个特征
umap_model = umap.UMAP(n_components=2)  # 创建UMAP模型，指定降维到2个维度
embedding = umap_model.fit_transform(data)  # 执行UMAP降维

# 绘制可视化图
plt.scatter(embedding[:, 0], embedding[:, 1])  # 使用散点图展示降维后的数据
plt.title('UMAP Data Visualization')  # 设置图表标题
plt.xlabel('UMAP 1')  # 设置X轴标签
plt.ylabel('UMAP 2')  # 设置Y轴标签
plt.show()  # 展示绘制的图形

import pandas as pd  # 导入Pandas库，用于数据处理
import umap  # 导入UMAP模块
from sklearn.datasets import load_iris  # 从Scikit-learn导入鸢尾花数据集

iris = load_iris()  # 加载鸢尾花数据集
data = iris.data  # 提取特征数据
target = iris.target  # 提取目标标签

umap_model = umap.UMAP(n_neighbors=5, min_dist=0.1, n_components=2)  # 创建UMAP模型，选择适当的参数
embedding = umap_model.fit_transform(data)  # 执行降维

# 绘制特征提取后的可视化
plt.scatter(embedding[:, 0], embedding[:, 1], c=target, cmap='Spectral')  # 使用不同颜色区分不同类别
plt.title('UMAP Feature Extraction on Iris Dataset')  # 设置图表标题
plt.xlabel('UMAP 1')  # 设置X轴标签
plt.ylabel('UMAP 2')  # 设置Y轴标签
plt.colorbar()  # 添加颜色条以显示类别信息
plt.show()  # 展示绘制的图形

import numpy as np  # 导入NumPy库
import umap  # 导入UMAP模块
from sklearn.datasets import make_moons  # 从Scikit-learn生成带有噪声的数据集
from sklearn.cluster import DBSCAN  # 导入DBSCAN聚类算法

# 生成带有噪声的双月形数据
data, _ = make_moons(n_samples=300, noise=0.05)  # 创建300个样本，含有噪声
umap_model = umap.UMAP()  # 创建UMAP模型
embedding = umap_model.fit_transform(data)  # 降维到2维

# 使用DBSCAN进行聚类
dbscan = DBSCAN(eps=0.2, min_samples=5)  # 创建DBSCAN聚类实例
clusters = dbscan.fit_predict(embedding)  # 执行聚类

# 绘制聚类结果
plt.scatter(embedding[:, 0], embedding[:, 1], c=clusters, cmap='Set1')  # 使用不同颜色表示不同聚类
plt.title('DBSCAN Clusters on UMAP Projection')  # 设置图表标题
plt.xlabel('UMAP 1')  # 设置X轴标签
plt.ylabel('UMAP 2')  # 设置Y轴标签
plt.show()  # 展示绘制的图形