如何衡量UMAP降维模型的拟合优度？有哪些标准方法？

UMAP作为无监督降维算法，没有像回归模型那样的标准拟合优度指标，但有几种常用的量化或定性方式来评估降维后的数据是否保留了原始高维空间的结构：

1. 近邻保留相关指标 #

这类指标聚焦于局部结构的保留程度：

• Trustworthiness：衡量低维空间中引入的“错误近邻”比例，取值范围0-1，越接近1说明低维空间引入的无关近邻越少。
• Continuity：衡量原始高维空间中的近邻在低维空间中被保留的比例，取值范围0-1，越接近1说明局部结构保留得越好。
• 实现示例（Python）：

  from umap import UMAP
  from sklearn.metrics import trustworthiness, continuity
  
  # 原始矩阵转置为样本×特征格式（122个样本，每个20维）
  X = original_20x122_matrix.T
  umap_model = UMAP(n_components=2)
  X_umap = umap_model.fit_transform(X)
  
  # k取5-15，根据数据规模调整
  k = 10
  trust_score = trustworthiness(X, X_umap, n_neighbors=k)
  continuity_score = continuity(X, X_umap, n_neighbors=k)
  

2. 应力函数（Stress） #

应力函数量化降维后样本间距离与原始高维空间距离的整体差异，值越小说明全局结构保留得越好。

• 可以用经典的MDS应力指标计算，它基于原始与低维距离矩阵的误差平方和做归一化，反映整体结构的失真程度。

3. 带标签数据的分类验证 #

如果你的样本有类别标签，可以通过分类任务间接验证降维效果：

• 在原始高维数据和UMAP低维数据上分别训练简单分类器（如逻辑回归、SVM），对比两者的分类准确率。若低维数据的准确率接近高维，说明UMAP保留了足够的判别信息。
• 示例代码：

  from sklearn.linear_model import LogisticRegression
  from sklearn.model_selection import train_test_split
  from sklearn.metrics import accuracy_score
  
  # 假设y是122个样本的类别标签
  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
  X_umap_train = umap_model.transform(X_train)
  X_umap_test = umap_model.transform(X_test)
  
  # 高维数据训练
  clf_high = LogisticRegression()
  clf_high.fit(X_train, y_train)
  acc_high = accuracy_score(y_test, clf_high.predict(X_test))
  
  # 低维数据训练
  clf_low = LogisticRegression()
  clf_low.fit(X_umap_train, y_train)
  acc_low = accuracy_score(y_test, clf_low.predict(X_test))
  

4. 可视化人工评估 #

UMAP的核心目标之一是可视化，人工检查低维图的结构是最直观的评估方式：

• 若同类样本聚集、异类样本分离，且符合你对数据的先验认知，说明降维效果符合预期。

内容的提问来源于stack exchange，提问作者Josie G