レベル: 中級
SAS、JMP リサーチ統計開発者、Meijian Guan 氏
高次元データ セットを視覚化するのは非常に難しい場合があります。最近、非線形次元削減および視覚化アルゴリズム、特に t 分布確率的近傍埋め込み (t-SNE) と一様多様体近似および投影 (UMAP) が、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。これらは、小さなペアワイズ距離またはローカル類似性のみを保存する点で主成分分析 (PCA) などの線形次元削減方法とは異なりますが、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存することに重点が置かれています。
JMP は現在のリリースでは t-SNE や UMAP を実装していませんが、ユーザーフレンドリーな R/Python インターフェイスにより、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 アルゴリズムと UMAP アルゴリズムの両方にアクセスできる 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化、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。
デモでは、MNIST 手書き数字データと、20 の臓器からの 100,000 個を超える細胞で構成されるマウス単一細胞シーケンス データ セットを使用します。PCA、t-SNE、UMAP の結果が視覚化され、比較されます。また、JMP の高いインタラクティブ性によって科学的発見がどのように促進されるかについても紹介します。
