umap可替代t-sne且更稳更快、支持增量更新，但需重调n_neighbors（控制局部尺度，建议1k–10k样本设15）、min_dist（控制点间距，默认0.1）等关键参数，并注意异常量纲处理。
UMAP 可以直接替代 t-SNE，且通常效果更稳、更快、结构更可解释——但不能无脑替换，关键参数和预处理逻辑必须重调。
UMAP 的 n_neighbors 参数比 t-SNE 的 perplexity 更直观也更关键
很多人把 n_neighbors 当成“随便设个数”，结果发现簇粘连或撕裂。它实际定义了高维空间中每个点构建邻域图时参考的邻居数量，直接影响流形局部尺度的建模精度：
- 值太小（如
n_neighbors=5）：图太稀疏，局部结构被过度简化，不同类容易混在一起（尤其在类别边界模糊时） - 值太大（如
n_neighbors=100）：图过于稠密，算法被迫拟合噪声或跨类关系，全局拓扑失真 - 经验起点：对 1k–10k 样本，
n_neighbors=15是较安全的默认；样本超 5w 时建议设为30–50，并配合min_dist=0.1控制点间距 - 注意：
n_neighbors必须小于样本总数，否则UMAP会静默降级为全连接图，性能暴跌且结果不可信
UMAP 不需要标准化，但 t-SNE 前常需 StandardScaler
t-SNE 对特征量纲极度敏感，未标准化时距离计算会被大尺度特征主导；UMAP 基于 k-近邻图，天然对量纲鲁棒——但这不等于完全免疫：
- 若某维度方差比其他维度高出 3 个数量级以上（比如一个特征是像素值 0–255，另一个是用户 ID 的哈希值 1e9 量级），仍会导致近邻搜索失效
- 推荐做法：不做全局标准化，但对明显异常的特征做截断或 log 缩放（如
np.log1p(x)），再传入UMAP - 验证方法：用
umap.UMAP().fit(X).graph_.sum()查看邻域图总权重，若远低于预期（比如n_samples * n_neighbors / 2），说明近邻构建已出问题
UMAP 支持增量更新与新样本投影，t-SNE 完全不支持
这是工程落地最关键的差异。t-SNE 每次运行都是从头优化，无法复用历史嵌入；UMAP 的 transform 方法允许你用已有模型对新数据做一致映射：
- 训练阶段：先用全量数据拟合
umap_model = UMAP(n_components=2, n_neighbors=30).fit(X_train) - 推理阶段：对新批次数据直接调用
X_new_2d = umap_model.transform(X_new)，结果与原空间严格对齐 - 陷阱：不要对新数据单独再跑一次
fit_transform，那会生成完全无关的坐标系，无法叠加或比较 - 适用场景：实时用户嵌入监控、A/B 测试中新流量可视化、模型迭代时的历史 embedding 对齐
UMAP 的 min_dist 和 spread 决定可视化“呼吸感”
这两个参数控制低维点的分布密度，直接影响人眼能否分辨簇内结构：
-
min_dist=0.1（默认）：点之间最小距离宽松，适合快速探索整体聚类趋势 -
min_dist=0.01：强制点更紧凑，适合观察单个簇内部子结构（比如同一类数字中的书写风格差异） -
spread配合min_dist使用：增大spread会让簇整体拉得更开，但过大（如 >2.0）易导致簇形变；建议保持spread=1.0不动，只调min_dist - 常见误操作：把
min_dist设为 0，期望“无限贴近”，结果因数值误差导致梯度爆炸，fit_transform卡死或返回 NaN
真正难的不是换算法，而是意识到 UMAP 的参数意义和 t-SNE 本质不同——它不是“调参调出好看图”，而是通过 n_neighbors 和 min_dist 显式声明你对数据流形尺度的先验判断。忽略这点，哪怕用上 GPU 加速，结果依然可能是误导性的。
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！
