UMAP (Uniform Manifold Approximation and Projection)은 인기 있는 근접 임베딩 방법 중 하나로, 고차원 데이터 포인트 간의 인력과 척력을 이용하여 저차원 임베딩을 얻는다. 본 논문은 이러한 힘들의 효과를 분석하여 클러스터 형성과 시각화에 미치는 영향을 밝혔다. 척력은 차이를 강조하여 클러스터 경계와 클러스터 간 거리를 제어한다. 반면 인력은 저차원 매핑에서 동시에 인력과 척력으로 나타날 수 있어 더 미묘하다. 이는 학습률 어닐링의 필요성을 설명하고 인력 및 척력 항 사이의 차별적 처리를 동기 부여한다. 또한, 인력을 수정하여 무작위 초기화 하에서 클러스터 형성의 일관성을 향상시켰다. 전반적으로, 본 논문의 분석은 UMAP 및 유사한 임베딩 방법을 더 해석 가능하고, 더 강력하며, 더 정확하게 만든다.
