级别：中级
SAS JMP研究统计员开发官关美建
高维数据集可能很难可视化。近年来，非线性降维和可视化算法，尤其是t分布随机邻居嵌入（t-SNE）和均匀流形逼近和投影（UMAP），已广泛应用于各种研究领域，例如图像处理，文本挖掘和基因组学。它们与线性降维方法（例如主成分分析（PCA））不同，它们仅保留较小的成对距离或局部相似性，而PCA则涉及保留较大的成对距离以最大程度地增加方差。
尽管JMP在当前版本中未实现t-SNE或UMAP，但其用户友好的R / Python界面使用户可以快速轻松地访问这些开源软件包。在此演示中，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，可进行数据表导航，数据质量控制，稀疏性处理，直观的参数设置和交互式结果解释。
演示中将使用MNIST手写数字数据和包含来自20个器官的100,000多个细胞组成的小鼠单细胞测序数据集。PCA，t-SNE和UMAP的结果将被可视化并进行比较。我们还将展示JMP如何通过其高交互性促进科学发现。
