umap-learn · 用 UMAP 探索高维数据的结构

作者提供的示例，实际效果取决于你的输入和使用工具。

输入

示例文件 products.csv，列 price、weight、rating，共 30 行；无缺失；只做探索。

输出

编辑示例 · 未运行

import pandas as pd
import umap
from sklearn.preprocessing import StandardScaler
X = pd.read_csv("products.csv")[["price", "weight", "rating"]]
Z = StandardScaler().fit_transform(X)
embedding = umap.UMAP(n_neighbors=8, min_dist=0.2,
    n_components=2, random_state=42).fit_transform(Z)
pd.DataFrame(embedding, columns=["u1", "u2"]).to_csv("embedding.csv", index=False)
# 对照：保持其余参数不变，将 n_neighbors 改为 15；不把坐标当作商品类别。

为高维特征构建低维表示，比较参数与随机种子对可视化和后续分析的影响。

具体任务

把高维样本投到二维查看：为特征矩阵选择预处理、距离度量和 UMAP 参数，生成可复跑绘图代码。

比较嵌入对参数的敏感性：固定随机种子，改变邻居数并并排观察，避免把一次分群当作结论。

必需材料

数值特征矩阵与列含义

探索目标和缺失值处理规则

可选材料

已有标签，仅用于着色或明确的监督任务

新样本及训练测试划分

使用门槛

能够运行 Python，并知道哪些字段不能进入特征矩阵。

这个 Skill 额外提供的方法

同时交付参数与对照方式，用户能判断图形是否稳定。

编辑示例（未运行）

观察 30 个商品的特征结构

任务：对商品的价格、重量和评分做二维探索。

输入：
示例文件 products.csv，列 price、weight、rating，共 30 行；无缺失；只做探索。

结果片段：
```python
import pandas as pd
import umap
from sklearn.preprocessing import StandardScaler
X = pd.read_csv("products.csv")[["price", "weight", "rating"]]
Z = StandardScaler().fit_transform(X)
embedding = umap.UMAP(n_neighbors=8, min_dist=0.2,
    n_components=2, random_state=42).fit_transform(Z)
pd.DataFrame(embedding, columns=["u1", "u2"]).to_csv("embedding.csv", index=False)
# 对照：保持其余参数不变，将 n_neighbors 改为 15；不把坐标当作商品类别。
```

展示的是按给定列写成的代码片段，未生成真实嵌入或验证聚类。 此为编辑示例，未安装或运行上游 Skill。

首次任务

读取【特征文件】和【字段说明】，写 UMAP 二维探索脚本；固定随机种子，对照两组邻居数；验收：预处理可复现、标签不泄漏、报告不把二维图解释为因果。
必需材料：数值特征矩阵与列含义：【请填写或粘贴】；探索目标和缺失值处理规则：【请填写或粘贴】

验收方法

缩放和缺失处理是否与列类型匹配

种子、参数与软件版本是否记录

至少一组参数对照是否支持所述结构

依赖与准备

Python、umap-learn、NumPy、pandas 与 scikit-learn；绘图另需绘图库。Parametric UMAP 才需要额外深度学习依赖。

使用边界

二维距离与簇大小不能直接解释为真实类别或因果。

训练集外数据必须沿用训练时的预处理；监督标签不得泄漏到评估集。

排错

图里出现漂亮的簇但换参数就消失：并排比较邻居数、min_dist 和种子，把不稳定结构标记为探索线索。

新数据投影与旧图无法比较：保存并复用原 scaler 和 reducer，不对新数据重新 fit。

固定来源

https://github.com/K-Dense-AI/scientific-agent-skills/blob/065b734670d7d990627dbc06a05b5a99be33f1f1/skills/umap-learn/SKILL.md

先看看示例

输入

输出

方法说明