Niveau : Intermédiaire
Meijian Guan, développeur statisticien de recherche JMP, SAS
Les ensembles de données de grande dimension peuvent être très difficiles à visualiser. Récemment, les algorithmes de réduction de dimension et de visualisation non linéaires, notamment l'intégration stochastique des voisins distribués en t (t-SNE) et l'approximation et projection de variétés uniformes (UMAP), ont été largement appliqués à divers domaines de recherche tels que le traitement d'images, l'exploration de textes et la génomique. Ils diffèrent des méthodes de réduction de dimension linéaire, comme l'analyse en composantes principales (ACP), en ne préservant que les faibles distances par paires ou les similarités locales, tandis que l'ACP s'attache à préserver les grandes distances par paires afin de maximiser la variance.
Bien que JMP n'implémente pas t-SNE ni UMAP dans ses versions actuelles, son interface R/Python conviviale offre un accès rapide et facile à ces packages open source. Dans cette présentation, nous présenterons un module complémentaire JMP donnant accès aux algorithmes t-SNE et UMAP. Son interface conviviale permet la navigation dans les tables de données, le contrôle qualité des données, la gestion de la parcimonie, la paramétrisation intuitive et l'interprétation interactive des résultats.
La démonstration utilisera des données numériques manuscrites du MNIST et un ensemble de données de séquençage de cellules uniques de souris, composé de plus de 100 000 cellules provenant de 20 organes. Les résultats de l'ACP, de la t-SNE et de l'UMAP seront visualisés et comparés. Nous montrerons également comment JMP facilite les découvertes scientifiques grâce à sa forte interactivité.
