JMP 17.2 > 複雜資料降維與估計 > 方法大家好，JMP 社區，
我正在處理來自不同研究的複雜基因表現數據，希望估算其內在複雜性。我偶然發現了 R 套件 Rdimtools，它似乎提供了我感興趣的分析類型。具體來說，這些分析的最終目標是定義最佳維度數，以捕捉資料集的複雜性。
您是否知道 JMP 中有哪些方法（本機或插件）可以滿足我的需求？
謝謝。
此致，
TS
自動化和腳本數據探索與視覺化視窗回覆：JMP 17.2 > 複雜資料降維與估計 > 方法你好@Thierry_S ，
由於 Rdimtools 包含的方法數量龐大，我只是簡單地閱讀了一下它的文檔。我認為大多數常見的降維技術都可以在 JMP/JMP Pro 的多元平台上使用：
- 主成分：基於變數間相關性或協方差的線性降維技術。資料被線性變換到一個新的座標系中，使得方向（主成分）能夠捕捉資料中最大的變化。
- 多元嵌入：非線性降維技術，能夠同時尊重資料的局部鄰域和全局結構。在此平台中，您可以使用 UMAP（均勻流形近似和投影）或 t-SNE 方法。
- 因子分析：線性降維技術，試圖用較少數量的（不可觀察的）潛在變數或因子來描述觀察到的變數。
其他平台的一些有趣用途也可以幫助您：
- 在層次聚類中，您可以實現雙向聚類，它不僅可以對行（觀測值，就像任何聚類技術一樣）進行聚類，還可以對列（變數）進行聚類。在此平台中，您可以匯出距離矩陣，然後將其用於其他平台，例如多維尺度分析。
- 我從未使用過遺傳學工具，但既然您提到基因表現是該工作計畫的一部分，那麼一些專用工具可能會有所幫助。
希望這個第一個答案能對你有幫助，
回覆：JMP 17.2 > 複雜資料降維與估計 > 方法也不要忘記 JMP 中的多維尺度 (MDS)。
你打算如何運用這些複雜性和降維度的知識？基因分組的分類？樣本分組？預測？將基因和/或樣本分類，以進一步解釋可能的功能關係？
每種降維方法都有其優缺點。有些方法更擅長處理資料中的某些特定結構，或比其他方法更有助於理解資料的結構類型（或下一步將如何處理資料）。
