Riduzione dimensionalità UMAP. Apprendimento multiplo non lineare rapido per visualizzazione 2D/3D, preelaborazione di clustering (HDBSCAN), UMAP supervisionato/parametrico, per dati ad alta dimensione.
Installa rapidamente la skill AI umap-learn nel tuo ambiente di sviluppo tramite riga di comando
Fonte: jackspace/claudeskillz.
UMAP (Uniform Manifold Approximation and Projection) is a dimensionality reduction technique for visualization and general non-linear dimensionality reduction. Apply this skill for fast, scalable embeddings that preserve local and global structure, supervised learning, and clustering preprocessing.
UMAP follows scikit-learn conventions and can be used as a drop-in replacement for t-SNE or PCA.
Critical preprocessing requirement: Always standardize features to comparable scales before applying UMAP to ensure equal weighting across dimensions.
Riduzione dimensionalità UMAP. Apprendimento multiplo non lineare rapido per visualizzazione 2D/3D, preelaborazione di clustering (HDBSCAN), UMAP supervisionato/parametrico, per dati ad alta dimensione. Fonte: jackspace/claudeskillz.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/jackspace/claudeskillz --skill umap-learnRiduzione dimensionalità UMAP. Apprendimento multiplo non lineare rapido per visualizzazione 2D/3D, preelaborazione di clustering (HDBSCAN), UMAP supervisionato/parametrico, per dati ad alta dimensione. Fonte: jackspace/claudeskillz.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/jackspace/claudeskillz --skill umap-learn Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/jackspace/claudeskillz