Уменьшение размерности UMAP. Быстрое нелинейное обучение многообразию для 2D/3D-визуализации, предварительная обработка кластеров (HDBSCAN), контролируемая/параметрическая UMAP, для многомерных данных.
Быстро установите AI-навык umap-learn в вашу среду разработки через командную строку
Источник: ovachiever/droid-tings.
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.
Уменьшение размерности UMAP. Быстрое нелинейное обучение многообразию для 2D/3D-визуализации, предварительная обработка кластеров (HDBSCAN), контролируемая/параметрическая UMAP, для многомерных данных. Источник: ovachiever/droid-tings.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/ovachiever/droid-tings --skill umap-learnУменьшение размерности UMAP. Быстрое нелинейное обучение многообразию для 2D/3D-визуализации, предварительная обработка кластеров (HDBSCAN), контролируемая/параметрическая UMAP, для многомерных данных. Источник: ovachiever/droid-tings.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/ovachiever/droid-tings --skill umap-learn После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/ovachiever/droid-tings