레벨 : 중급
Meijian Guan, SAS JMP 리서치 통계 개발자
고차원 데이터 세트는 시각화하기가 매우 어려울 수 있습니다. 최근에는 비선형 차원 축소 및 시각화 알고리즘, 특히 t-SNE (t-Distributed Stochastic Neighbor Embedding) 및 균일 한 매니 폴드 근사 및 투영 (UMAP)이 이미지 처리, 텍스트 마이닝 및 게놈과 같은 다양한 연구 영역에 널리 적용되었습니다. 그것들은 작은 쌍방향 거리 또는 국소 유사성을 유지함으로써 주요 성분 분석 (PCA)과 같은 선형 치수 감소 방법과는 다른 반면, PCA는 분산을 최대화하기 위해 큰 쌍방향 거리를 보존하는 것과 관련이 있습니다.
JMP는 현재 릴리스에서 t-SNE 또는 UMAP을 구현하지 않지만 사용자 친화적 인 R / Python 인터페이스는 이러한 오픈 소스 패키지에 빠르고 쉽게 액세스 할 수 있도록합니다. 이 프레젠테이션에서는 t-SNE 및 UMAP 알고리즘에 모두 액세스 할 수있는 JMP 애드 인을 시연합니다. 데이터 테이블 탐색, 데이터 품질 관리, 희소성 처리, 직관적 인 매개 변수화 및 대화식 결과 해석을 가능하게하는 사용자 친화적 인 인터페이스를 제공합니다.
데모에는 20 개 기관의> 100,000 개 셀로 구성된 MNIST 필기 숫자 데이터 및 마우스 단일 셀 시퀀싱 데이터 세트가 사용됩니다. PCA, t-SNE 및 UMAP의 결과를 시각화하고 비교합니다. 또한 JMP가 어떻게 높은 상호 작용 성을 통해 과학적 발견을 촉진하는지 보여줄 것입니다.
