Nivel: intermedio
Meijian Guan, Desarrollador Estadístico de Investigación JMP, SAS
Los conjuntos de datos de alta dimensión pueden ser muy difíciles de visualizar. Recientemente, los algoritmos de visualización y reducción de dimensiones no lineales, especialmente la incrustación de vecinos estocásticos distribuidos en t (t-SNE) y la aproximación y proyección de múltiples uniformes (UMAP), se han aplicado ampliamente en diversas áreas de investigación, como el procesamiento de imágenes, la minería de textos y la genómica. Se diferencian de los métodos de reducción de dimensiones lineales, por ejemplo, el análisis de componentes principales (PCA), al preservar solo pequeñas distancias por pares o similitudes locales, mientras que PCA se preocupa por preservar grandes distancias por pares para maximizar la varianza.
Si bien JMP no implementa t-SNE o UMAP en las versiones actuales, su interfaz R / Python fácil de usar proporciona a los usuarios un acceso rápido y fácil a estos paquetes de código abierto. En esta presentación, demostraremos un complemento JMP que proporciona acceso a los algoritmos t-SNE y UMAP. Ofrece una interfaz fácil de usar que permite la navegación en la tabla de datos, control de calidad de datos, manejo de dispersión, parametrización intuitiva e interpretación interactiva de resultados.
En la demostración se utilizarán datos de dígitos manuscritos MNIST y un conjunto de datos de secuenciación de una sola célula del mouse que consiste en> 100,000 células de 20 órganos. Los resultados de PCA, t-SNE y UMAP se visualizarán y compararán. También mostraremos cómo JMP facilita los descubrimientos científicos a través de su alta interactividad.
