umap比t-sne更优，因其在全局结构保持、速度、可重复性上全面领先，尤其适合大数据和高维稀疏数据；t-sne仅在需强局部结构且不计时耗时适用，且参数敏感、不可外推。
UMAP比t-SNE更适合大多数可视化场景
除非你明确需要保留局部结构且对计算时间不敏感，否则优先选 UMAP。它在保持全局结构、运行速度、可重复性三方面都明显优于 t-SNE，尤其当样本量超过 10k 或特征维数较高时，t-SNE 的内存占用和随机性会成为实际瓶颈。
t-SNE的perplexity参数到底怎么设
perplexity 本质是控制邻域大小的平滑版“邻居数量”，不是固定整数。设得太低（100）则模糊局部模式，趋近于PCA。常见经验范围是 5–50，但必须结合数据规模调整：
- 样本 5–15，避免过拟合噪声
- 样本 1k–10k：推荐
30±10，多数论文默认值30在此区间较稳 - 样本 >50k：慎用
t-SNE；若硬要用，perplexity建议 ≤50，否则梯度下降易发散
注意：t-SNE 每次运行结果不同，random_state 只能固定初始位置，不能消除优化路径随机性 —— 这不是 bug，是算法设计使然。
UMAP的n_neighbors和min_dist组合怎么调
n_neighbors 决定局部邻域尺度，min_dist 控制点间最小距离（影响簇内紧密度与簇间分离度）。二者需协同调整：
-
n_neighbors小（100）→ 模糊局部差异，退化为线性降维 -
min_dist接近 0（如0.001）→ 簇内点挤成团，适合看子结构；设为0.3–0.8→ 更平衡，人眼易分辨 - 典型搭配：
n_neighbors=15, min_dist=0.1（小数据）、n_neighbors=50, min_dist=0.3（单细胞 RNA-seq）、n_neighbors=30, min_dist=0.5（图像嵌入）
UMAP 对参数没那么敏感，同一组参数在不同数据上表现更稳定，这是它比 t-SNE 实用的关键原因之一。
为什么UMAP在高维稀疏数据上效果更稳
t-SNE 基于高斯相似度，对稀疏向量的欧氏距离极度敏感，容易把零值主导的“伪远点”误判为异常；UMAP 基于拓扑交集（cross-entropy + fuzzy simplicial set），天然适应稀疏性，且默认使用余弦或曼哈顿距离（可通过 metric 参数指定）。
- 文本 TF-IDF 或单细胞基因表达矩阵：直接传
metric="cosine"给UMAP，不用额外归一化 -
t-SNE处理同样数据前，必须先做 L2 归一化，否则距离失真严重 - UMAP 支持稀疏矩阵输入（
scipy.sparse），t-SNE 不支持，这点在处理百万级特征时差别巨大
真正容易被忽略的是：UMAP 的 transform 方法支持新样本外推，而 t-SNE 没有等效机制 —— 如果你要上线推理 pipeline，这不是可选项，是必选项。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
