我有一个关于使用均匀流形近似和投影（UMAP）进行特征提取的问题。
在我的项目中，我使用了两个表格数据集，它们都包含大约 10000 个样本。一个有 20 个特征，另一个有 550 个特征。
我的目标是在每个数据集上应用 UMAP 并提取可用于二元分类任务的预测特征，其中我为每个样本设置了标签。因此，从 UMAP 中提取的特征将用作随机森林、xgboost、弹性网络等分类器的输入。这些分类器的超参数是根据验证数据上的 AUROC 分数进行调整的。
但我想分别知道每个数据集的最佳 UMAP 超参数值是多少，以便 UMAP 的输出在我的任务中更具预测性。
在对 UMAP 超参数进行网格搜索时，是否有任何方法或指标可以检查？我还考虑将 UMAP 与分类器结合起来，并根据我根据验证数据计算的 AUROC 分数将它们一起调整。但是由于组合数量的增加，它大大增加了调整时间。
如果你们中的任何人找到了类似使用 UMAP 的方法，那就太好了。
提前感谢您的帮助！
为了了解 UMAP 的输出，我对其应用了层次聚类，并检查了 UMAP 的输出是否可聚类的剪影得分。但是仍然在具有高轮廓分数的聚类中，样本没有以标签清晰分离的方式聚类。