scikit-tda/kepler-mapper

解决的问题

通过将高维数据简化为图结构表示，提供了一种可视化高维数据的方法，使复杂数据集的底层结构更易于理解。

工作原理

该项目实现了 TDA Mapper 算法。它将高维数据投影到低维空间，创建一个覆盖（一组重叠区域），然后在这些区域内对数据进行聚类，生成节点和边的网络。

适用人群

需要使用基于 Python 的工具并集成到 Scikit-Learn 生态系统中，探索和可视化高维数据集拓扑结构的数据科学家和研究人员。

主要亮点

• 使用 TDA Mapper 算法进行数据可视化。
• 与 Scikit-Learn API 兼容，支持聚类和缩放算法。
• 通过 Plotly 支持交互式可视化。
• 与 NumPy 和 Scikit-learn 集成。