等級：中級
關梅建，JMP 研究統計開發人員，SAS
高維度資料集的可視化非常困難。最近，非線性降維和視覺化演算法，最顯著的是 t 分佈隨機鄰域嵌入 (t-SNE) 和均勻流形近似和投影 (UMAP)，已廣泛應用於影像處理、文本探勘和基因組學等各個研究領域。它們與線性降維方法（例如主成分分析 (PCA)）不同，它僅保留較小的成對距離或局部相似性，而 PCA 則專注於保留較大的成對距離以最大化變異數。
雖然 JMP 在當前版本中沒有實作 t-SNE 或 UMAP，但其用戶友好的 R/Python 介面讓用戶可以快速輕鬆地存取這些開源套件。在本次示範中，我們將示範一個可存取 t-SNE 和 UMAP 演算法的 JMP 插件。它提供了一個用戶友好的介面，支援數據表導航、數據品質控制、稀疏性處理、直覺參數化和互動式結果解釋。
演示中將使用 MNIST 手寫數字資料和包含 20 個器官的 100,000 多個細胞的小鼠單細胞定序資料集。 PCA、t-SNE 和 UMAP 的結果將被視覺化並進行比較。我們還將展示 JMP 如何透過其高互動性促進科學發現。
