可视化（UMAP/TSNE）

可视化（Uniform Manifold Approximation and Projection for Dimension Reduction，简称UMAP；t-distributed Stochastic Neighbor Embedding，简称TSNE）是一种常用的数据降维和可视化工具，尤其适用于高维数据集的可视化呈现。

UMAP（Uniform Manifold Approximation and Projections）算法基于非局部相似度概念，旨在保持高维空间中数据点之间的全局结构，同时尽量减少低维嵌入中的离散度，生成的地图通常更为连贯和易于解读。

TSNE (t-distributed Stochastic Neighbor Embedding) 则是一种统计学方法，它将高维数据映射到二维或三维空间，使得邻近的数据点在新的空间中依然保持邻近，而远距离的数据点分离明显。TSNE的特点在于它的概率分布假设，即数据点之间的相似度由其高斯分布的密度决定，这使得它能较好地捕捉数据的复杂结构。

两者都是为了帮助研究人员直观地观察数据的聚类结构、模式和潜在的关系，常用于探索性数据分析和初步的数据理解。在许多科学领域，如生物学、计算机视觉和机器学习中，都广泛使用UMAP和TSNE来进行数据可视化展示。