Aunque UMAP se usa ampliamente para explorar datos de alta dimensión, los flujos de trabajo típicos se centran en su incrustación de menor dimensión, pasando por alto en gran medida el rico grafo de k vecinos más cercanos (kNN) que UMAP construye internamente. Este grafo codifica la variedad de datos en su espacio original de alta dimensión, antes de la distorsión que introduce la proyección 2D de UMAP.
Los autores demuestran cómo los algoritmos de grafos estándar aplicados a esta representación interna mejoran la interpretación de datos:
- PageRank identifica puntos de datos representativos.
- La descomposición k-core revela regiones centrales densas frente a una periferia dispersa.
- El coeficiente de agrupamiento detecta vecindarios estrechamente unidos con puntos de datos altamente similares.
A través de evaluaciones cuantitativas y cualitativas en MNIST y Fashion MNIST, se muestra que estos análisis basados en grafos son prácticos y competitivos o complementarios a métodos diseñados específicamente como k-medoids para la selección de ejemplares y HDBSCAN para el agrupamiento basado en densidad.