レベル：中級
SASのJMP Research Statistician DeveloperのMeijian Guan氏
高次元のデータセットを視覚化するのは非常に困難です。最近、非線形次元削減と可視化アルゴリズム、特にt-Distributed Stochastic Neighbor Embedding（t-SNE）と均一多様体近似と投影（UMAP）は、画像処理、テキストマイニング、ゲノミクスなどのさまざまな研究分野に広く適用されています。PCAは分散を最大化するために大きなペアワイズ距離を保持することに関係しているのに対し、それらは線形ペアリダクションメソッド、たとえば主成分分析（PCA）とは異なります。
JMPは現在のリリースではt-SNEまたはUMAPを実装していませんが、その使いやすいR / Pythonインターフェースにより、ユーザーはこれらのオープンソースパッケージにすばやく簡単にアクセスできます。このプレゼンテーションでは、t-SNEとUMAPの両方のアルゴリズムへのアクセスを提供するJMPアドインを紹介します。データテーブルナビゲーション、データ品質管理、スパース処理、直感的なパラメーター化、およびインタラクティブな結果解釈を可能にするユーザーフレンドリーなインターフェイスを提供します。
MNIST手書き数字データと、20の器官からの100,000個を超える細胞で構成されるマウスの単一細胞配列データセットがデモで使用されます。PCA、t-SNE、およびUMAPの結果を視覚化して比較します。また、JMPが高度な双方向性を通じて科学的発見を促進する方法も紹介します。
