Niveau: Mittelstufe
Meijian Guan, JMP-Forschungsstatistik-Entwickler, SAS
Hochdimensionale Datensätze können sehr schwierig zu visualisieren sein. Nichtlineare Dimensionsreduktions- und Visualisierungsalgorithmen, insbesondere t-Distributed Stochastic Neighbor Embedding (t-SNE) und Uniform Manifold Approximation and Projection (UMAP), werden in jüngster Zeit in verschiedenen Forschungsbereichen wie Bildverarbeitung, Text Mining und Genomik eingesetzt. Sie unterscheiden sich von linearen Dimensionsreduktionsmethoden, beispielsweise der Hauptkomponentenanalyse (PCA), dadurch, dass nur kleine paarweise Abstände oder lokale Ähnlichkeiten erhalten bleiben, während bei der PCA große paarweise Abstände erhalten bleiben, um die Varianz zu maximieren.
Obwohl JMP t-SNE oder UMAP in aktuellen Versionen nicht implementiert, bietet die benutzerfreundliche R/Python-Oberfläche schnellen und einfachen Zugriff auf diese Open-Source-Pakete. In dieser Präsentation demonstrieren wir ein JMP-Add-In, das Zugriff auf t-SNE- und UMAP-Algorithmen bietet. Es bietet eine benutzerfreundliche Oberfläche, die die Navigation in Datentabellen, die Datenqualitätskontrolle, die Handhabung von Sparsity, die intuitive Parametrisierung und die interaktive Ergebnisinterpretation ermöglicht.
Zur Demonstration werden handschriftliche MNIST-Zifferndaten und ein Datensatz zur Einzelzellsequenzierung von Mäusen mit über 100.000 Zellen aus 20 Organen verwendet. Ergebnisse von PCA, t-SNE und UMAP werden visualisiert und verglichen. Wir zeigen außerdem, wie JMP durch seine hohe Interaktivität wissenschaftliche Entdeckungen erleichtert.
