UMAP은 고차원 데이터 탐색에 널리 쓰이지만, 2차원 투영에 집중하는 경향이 있습니다. UMAP이 내부적으로 생성하는 k-최근접 이웃(kNN) 그래프는 고차원 공간의 데이터 매니폴드를 담고 있습니다. 연구진은 이 그래프에 표준 그래프 알고리즘을 적용하여 데이터 이해를 돕는 방법을 제시합니다.
PageRank는 대표적인 데이터 포인트를 식별하고, k-코어 분해는 밀집 코어 영역과 희소 주변부를 드러냅니다. 클러스터링 계수는 유사한 데이터 포인트로 구성된 촘촘한 이웃을 감지합니다.
MNIST와 Fashion MNIST 데이터셋에 대한 실험 결과, 그래프 기반 분석은 기존 방법과 경쟁하거나 보완적인 성능을 보였습니다.