ما الذي يقدّمه
تقلّل هذه المهارة أبعاد البيانات عالية الأبعاد باستخدام UMAP، وهي طريقة غير خطية لتعلم المشعبات تُوصف بأنها سريعة.
يمكن الاستعانة بها لعرض البيانات في فضاء ثنائي أو ثلاثي الأبعاد، ولتحضير البيانات قبل التجميع باستخدام HDBSCAN، وكذلك في صيغتي UMAP الموجَّه (supervised) والبارامتري (parametric).
الأمان
لم يراجع فريقنا هذا المورد. فحصته قواعد آلية فقط، واستُبعدت الموارد التي رصدت فيها إشارات خطر عالية. هذه إشارات وليست ضمانًا بأن التثبيت آمن. جرّبه أولًا في مشروع تجريبي.
- ينفّذ شيفرة أو يغيّر سلوك المساعد
المصادر
- AI Templates (aitmpl) رُصد أول مرة 13 نوفمبر 2026 · آخر رصد 17 نوفمبر 2026 · صفحته في المصدر · أرقام يذكرها المصدر: aitmpl downloads 26
umap-learn
UMAP dimensionality reduction. Fast nonlinear manifold learning for 2D/3D visualization, clustering preprocessing (HDBSCAN), supervised/parametric UMAP, for high-dimensional data.
كما ظهر في www.aitmpl.com عند آخر قراءة لنا