UMAP的内置算法 | Nearest-Neighbor-Descent | K近邻图

       在UMAP作图过程中，有些时候，不同类别的分群并没有显著性被区分开，这个时候，我们想通过一些参数的调整来使得 不同群点区分度更好。

UMAP的调参：

可调的参数如下：

1.随机数：seed.use:默认为42

2.计算距离的方法 metric

3.相邻点数量 n.neighbors

4.嵌入的空间的尺寸 n.components

调参的经验：【降维算法UMAP】调参获得更适合的低维图_runumap参数-CSDN博客

UMAP的内置算法

UMAP首先使用Nearest-Neighbor-Descent算法来找到每个数据点的最近邻。也就是NN-Descent构建K近邻图，文章发表于2011年

K近邻图的构建流程：

我们可以从V（数据集）中每一个点的现有的近似K近邻出发，通过探索该点邻居的邻居（在当前近似K近邻中）而不断完善该点的K近邻。换句话说，可从粗略的K近邻图出发通过改进而不断完善它。

NN-Descent构建K近邻图——论文超详细注解 | whenever (whenever5225.github.io)

补充定义：

哈希表：是一种数据结构

定义：

散列表（Hash table，也叫哈希表），是根据键（Key）而直接访问在内存存储位置的数据结构。也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数称做哈希函数，存放记录的数组称做哈希表

目的：

是为了快速查找。它提供了快速的插入操作和查找操作，无论哈希表总中有多少条数据，插入和查找的时间复杂度都是为O(1)。

实际应用：

因为哈希表的查找速度非常快，所以在很多程序中都有使用哈希表，例如拼音检查器。

参考：

数据结构 5分钟带你搞定哈希表(建议收藏)!!!_哈希表怎么画-CSDN博客

哈希表（Hash Table）原理及其实现-CSDN博客

图文并茂详解数据结构之哈希表 - 知乎 (zhihu.com)

树：是一种数据结构

树是一种数据结构，它是由n(n≥0)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：

每个节点有零个或多个子节点；没有父节点的节点称为根节点；每一个非根节点有且只有一个父节点；除了根节点外，每个子节点可以分为多个不相交的子树。

树（数据结构名词）_百度百科 (baidu.com)

参考 

代码：https://github.com/aaalgo/kgraph

【降维算法UMAP】调参获得更适合的低维图_runumap参数-CSDN博客

NN-Descent构建K近邻图——论文超详细注解-CSDN博客

NN-Descent构建K近邻图——论文超详细注解 | whenever (whenever5225.github.io)

调整参数的代码

scRNA<-RUnUMAP(SCRNA,dims=1:20)