级别：中级
关梅建，JMP 研究统计开发人员，SAS
高维数据集可能非常难以可视化。最近，非线性降维和可视化算法（最著名的是 t 分布随机邻域嵌入 (t-SNE) 和均匀流形近似和投影 (UMAP)）已广泛应用于图像处理、文本挖掘和基因组学等各种研究领域。它们与线性降维方法（例如主成分分析 (PCA)）的不同之处在于，它们仅保留较小的成对距离或局部相似性，而 PCA 则关注于保留较大的成对距离以最大化方差。
虽然 JMP 在当前版本中未实现 t-SNE 或 UMAP，但其用户友好的 R/Python 界面可让用户快速轻松地访问这些开源软件包。在本演示中，我们将演示一个可访问 t-SNE 和 UMAP 算法的 JMP 插件。它提供了一个用户友好的界面，可实现数据表导航、数据质量控制、稀疏性处理、直观的参数化和交互式结果解释。
演示将使用 MNIST 手写数字数据和包含来自 20 个器官的 100,000 多个细胞的小鼠单细胞测序数据集。PCA、t-SNE 和 UMAP 的结果将被可视化和比较。我们还将展示 JMP 如何通过其高交互性促进科学发现。
