Bien que UMAP soit largement utilisé pour explorer des données à haute dimension, les workflows typiques se concentrent sur son embedding de faible dimension, négligeant largement le riche graphe des plus proches voisins (kNN) que UMAP construit en interne. Ce graphe encode la variété de données dans son espace original à haute dimension, avant la distorsion introduite par la projection 2D de UMAP.
Les auteurs montrent comment l'application d'algorithmes de graphes standards à cette représentation interne améliore l'interprétation des données :
- PageRank identifie les points de données représentatifs.
- La décomposition k-core révèle les régions de cœur denses par rapport à la périphérie clairsemée.
- Le coefficient de clustering détecte les voisinages serrés avec des points de données hautement similaires.
À travers une évaluation quantitative et qualitative sur MNIST et Fashion MNIST, l'étude montre que ces analyses basées sur les graphes sont non seulement pratiques mais aussi compétitives ou complémentaires aux méthodes spécifiques comme k-medoids pour la sélection d'exemplars et HDBSCAN pour le clustering basé sur la densité.