級別：中級
SAS JMP研究統計員開發官關美建
高維數據集可能很難可視化。近年來，非線性降維和可視化算法，尤其是t分佈隨機鄰居嵌入（t-SNE）和均勻流形逼近和投影（UMAP），已廣泛應用於各種研究領域，例如圖像處理，文本挖掘和基因組學。它們與線性降維方法（例如主成分分析（PCA））不同，它們僅保留較小的成對距離或局部相似性，而PCA則涉及保留較大的成對距離以最大程度地增加方差。
儘管JMP在當前版本中未實現t-SNE或UMAP，但其用戶友好的R / Python界面使用戶可以快速輕鬆地訪問這些開源軟件包。在此演示文稿中，我們將演示一個JMP加載項，它提供對t-SNE和UMAP算法的訪問。它提供了用戶友好的界面，可進行數據表導航，數據質量控制，稀疏性處理，直觀的參數設置和交互式結果解釋。
演示中將使用MNIST手寫數字數據和包含來自20個器官的100,000個以上細胞的小鼠單細胞測序數據集。PCA，t-SNE和UMAP的結果將被可視化並進行比較。我們還將展示JMP如何通過其高交互性促進科學發現。
