关于umap和tsne选哪一个

该篇文章讨论了在R语言进行单细胞数据分析时,UMAP和TSNE两种降维方法的应用。作者指出UMAP在处理大量样本(如4-5个以上)时效率较高,而TSNE在小样本量下表现更好,尤其在细胞群可视化方面,TSNE的效果更佳。
摘要由CSDN通过智能技术生成

 上面是我自己跑出来的图

 R语言单细胞分析1 数据下载整理和聚类_哔哩哔哩_bilibili

听到了以下讲解

可以看到umap很多空白都没利用起来,很多细胞群叠在一块,没有办法看到细胞之间分的怎么样。tsne的分群效果明显优于umap。

如果数据非常大,比如有4,5以及十几个样本合并,那么我们可以选择umap。因为数据比较大,降维过程电脑运行比较慢,带不动。如果是小样本量,建议选择tsne。

我这次分析的是3个,看图也感觉umap比较好。

  • 10
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值