等级：中级
JQ研究统计开发人员，Meijian Guan，SAS
高维数据集可能非常难以可视化。最近，非线性降维和可视化算法，尤其是t分布随机邻域嵌入（t-SNE）和均匀流形近似和投影（UMAP），已广泛应用于各种研究领域，如图像处理，文本挖掘和基因组学。它们与线性降维方法不同，例如主成分分析（PCA），通过仅保留小的成对距离或局部相似性，而PCA涉及保留大的成对距离以最大化方差。
虽然JMP在当前版本中没有实现t-SNE或UMAP，但其用户友好的R / Python接口使用户可以快速方便地访问这些开源软件包。在本演示中，我们将演示一个JMP加载项，该加载项提供对t-SNE和UMAP算法的访问。它提供了用户友好的界面，可实现数据表导航，数据质量控制，稀疏性处理，直观参数化和交互式结果解释。
将在演示中使用MNIST手写数字数据和由来自20个器官的> 100,000个细胞组成的小鼠单细胞测序数据集。PCA，t-SNE和UMAP的结果将被可视化和比较。我们还将展示JMP如何通过其高交互性促进科学发现。
