scikit-tda/kepler-mapper

해결하는 문제

고차원 데이터를 낮은 차원 공간으로 투영하고, 겹치는 영역(커버)을 생성한 후 해당 영역 내에서 데이터를 클러스터링하여 노드와 엣지로 구성된 네트워크를 생성함으로써, 복잡한 데이터셋의 내부 구조를 이해하기 쉽게 만든다.

작동 방식

이 프로젝트는 TDA Mapper 알고리즘을 구현한다. 고차원 데이터를 저차원 공간으로 투영하고, 겹치는 영역(커버)을 만들며, 해당 영역 내에서 데이터를 클러스터링하여 노드와 엣지로 구성된 네트워크를 생성한다.

대상 사용자

Scikit-Learn 생태계와 통합된 Python 기반 도구를 사용하여 고차원 데이터셋의 위상 구조를 탐색하고 시각화해야 하는 데이터 과학자 및 연구자.

주요 특징

• 데이터 시각화에 TDA Mapper 알고리즘 사용.
• 클러스터링 및 스케일링 알고리즘과 Scikit-Learn API 호환.
• Plotly를 통한 인터랙티브 시각화 지원.
• NumPy 및 Scikit-learn과 통합 가능.