scikit-tda/kepler-mapper

解決的問題

透過將高維數據簡化為圖形表示，提供一種可視化高維數據的方法，使複雜數據集的底層結構更易於理解。

工作原理

本專案實作 TDA Mapper 算法。將高維數據投影至低維空間，建立一個覆蓋（一組重疊區域），然後在這些區域內對數據進行聚類，生成節點與邊的網路。

適用對象

需要使用基於 Python 的工具並整合至 Scikit-Learn 生態系統，探索與可視化高維數據集拓撲結構的資料科學家與研究人員。

主要亮點

• 使用 TDA Mapper 算法進行資料可視化。
• 與 Scikit-Learn API 相容，支援聚類與縮放演算法。
• 透過 Plotly 支援互動式可視化。
• 與 NumPy 和 Scikit-learn 集成。