【降维算法UMAP】调参获得更适合的低维图

目录

UMAP降维介绍

UMAP的主要步骤

1. 学习高维空间中数据点间的距离

2. 构建高维图

local_connectivity参数

n_neighbors参数

3. 构建低维图

计算最小距离

min_dist超参数

最小化成本函数

R语言中的RunUMAP函数

关键参数

Reference

UMAP降维介绍

为什么要降维：单细胞转录组数据往往是数千*数万（细胞数*基因数）的矩阵数据，降维可以帮助可视化和理解大型高维数据集。

降维算法：在单细胞转录组生信分析中，常见的降维算法有两种，UMAP(Uniform Manifold Approximation and Projection) 和T-SNE(t-distributed stochastic neighbor embedding)。UMPA 运算速度会更快，并且在保留数据结构的同时提供了更好的扩展性。

UMAP的主要步骤

  1. 学习高维空间中的流形结构
  2. 找到该流形的低维表示，优化低维图

1. 学习高维空间中数据点间的距离

UMAP首先使用Nearest-Neighbor-Descent算法来找到每个数据点的最近邻。这个过程可以通过调整UMAP的超参数n_neighbors来指定我们想要使用多少个近邻点。

  • 影响因素：试验n_neighbors的数量是非常重要的，因为它会影响UMAP如何平衡数据的局部和全局结构。它通过限制局部邻域的大小来实现，在尝试学习流形结构时起到一定的调节作用。

  • n_neighbors的作用：小的n_neighbors值表示我们想要一个非常局部的解释，以准确捕捉数据结构的细节。而较大的n_neighbors值则意味着我们的估计将基于更大的区域，因此在整个流形中更广泛地准确

2. 构建高维图

UMAP假设数据点在流形上均匀分布，即它们之间的空间根据数据的密集程度而变化。涉及两个关键超参数local_connectivity和n_neighbors的作用：

local_connectivity参数

  • 理解为下限：这个参数是用来控制每个数据点至少连接到另一个点的确定性程度。
  • 默认值为1：意味着每个点都100%确定地连接到另一个点，也就是连接的数量的最低要求。

n_neighbors参数

  • 理解为上限：这个参数控制一个点直接连接到其第几个邻居的可能性。
  • 默认值为15：这表示一个点直接连接到它的第16个邻居的可能性为0%，因为在构建UMAP使用的邻域图时，它已经处在局部区域之外。例如2到15：这个范围表示点连接到其第2个到第15个邻居之间的确定性程度。它介于0%和100%之间，表示一定程度的确定性，但不是完全确定。

3. 构建低维图

从高维空间学习近似流形后，UMAP 的下一步将数据从高维空间投影到低维空间。

计算最小距离

在投影到低维空间时，UMAP希望保持流形上的距离与全局坐标系下的欧几里得距离相对应。

目标：不改变距离，而是希望流形上的距离在投影后仍然是在全局坐标系下的标准欧几里得距离。
 

min_dist超参数

为了实现这一目标，UMAP引入了一个名为min_dist（默认值为0.1）的超参数，用于定义低维嵌入点之间的最小距离。通过这个参数，可以控制投影到低维空间后点的最小分布，以避免低维嵌入中许多点相互重叠的情况。

 

最小化成本函数

在指定了最小距离后，UMAP算法开始寻找更好的低维流形表示。为了实现这一目标，UMAP通过最小化特定的成本函数（也称为交叉熵）来进行投影。

成本函数：通过最小化这个成本函数，UMAP寻找边的最优权值，这些权值决定了在低维表示中的点之间的连接。

优化过程：这个过程可以通过随机梯度下降法来进行优化。随机梯度下降法是一种优化方法，用于找到使成本函数最小化的参数值，即在这里是寻找使得低维表示最符合原始高维数据结构的参数。

R语言中的RunUMAP函数

RunUMAP(object, ...)## Default S3 method:
RunUMAP(
object,
reduction.key = "UMAP_",
assay = NULL,
reduction.model = NULL,
return.model = FALSE,
umap.method = "uwot",
n.neighbors = 30L,
n.components = 2L,
metric = "cosine",
n.epochs = NULL,
learning.rate = 1,
min.dist = 0.3,
spread = 1,
set.op.mix.ratio = 1,
local.connectivity = 1L,
repulsion.strength = 1,
negative.sample.rate = 5,
a = NULL,
b = NULL,
uwot.sgd = FALSE,
seed.use = 42,
metric.kwds = NULL,
angular.rp.forest = FALSE,
verbose = TRUE,
...
)

### 参数说明：

- object：一个物体
- ...：传递给其他方法和UMAP的参数

- reduction.key：维度缩减键，指定维度名称的数字之前的字符串。默认为UMAP

- assay：提取数据的分析，或者用于在图形上运行UMAP构建图形的分析

- reduction.model：包含UMAP模型的DimReduc对象

- return.model：UMAP是否返回uwot模型

- umap.method：要运行的UMAP实现。
  - "uwot"：运行UMAP通过uwot R包
  - "uwot-learn"：运行UMAP通过uwot R包并返回学习的UMAP模型
  - "umap-learn"：运行python umap学习包的Seurat包装器

- n.neighbors：局部近似流形结构中使用的相邻点的数量。一般应在5到50之间。

- n.components：要嵌入的空间的尺寸。

- metric：度量，用于衡量输入空间中的距离。

- n.epochs：用于优化低维嵌入的训练次数。根据数据集大小选择一个值（大数据集为200，小数据集为500）。

- learning.rate：嵌入优化的初始学习率。

- min.dist：控制允许嵌入压缩点的程度。默认0.3，越小则每个cluster越聚集。合理的值在 0.001 到 0.5 的范围内，0.1 是合理的默认值。

- spread：嵌入点的有效比例。

- set.op.mix.ratio：插值作为集合运算的参数，用于组合局部fuzzy单形集以获得全局fuzzy单形集。

- local.connectivity：本地连接性，即应假定在本地级别连接的最近邻居的数量。

- repulsion.strength：负样本的加权。

- negative.sample.rate：每个阳性样本要选择的阴性样本数。

- a：用于控制嵌入的参数。

- b：用于控制嵌入的参数。

- uwot.sgd：设置uwot：：umap。

- seed.use：设置随机种子，默认为42。

- metric.kwds：传递给度量的参数字典。

- angular.rp.forest：是否使用角度随机投影林来初始化近似最近邻搜索。

- verbose：控制冗长输出。

- dims：用作输入特征的维度。

- reduction：用于UMAP输入的降维方法，默认为PCA。

- features：在特征子集上运行UMAP（而不是在缩减的维度集上运行）。

- graph：要在其上运行UMAP的图形的名称。

- nn.name：运行UMAP的knn输出的名称。

- slot：用于提取数据的插槽，默认为数据槽。

- reduction.name：在Seurat对象中存储维度缩减的名称。

不同min_dist参数和n_neighbors参数的效果图 

关键参数

object：

含义：要进行降维的Seurat对象或矩阵。
类型：Seurat对象或矩阵。


dims：

含义：要使用的维度数。
类型：整数向量。
默认值：NULL，表示使用所有维度。


n_neighbors：

含义：在计算邻域时要考虑的最近邻居数目。
类型：整数。
默认值：15。


metric：

含义：计算距离的度量方法。
类型：字符串。
默认值："euclidean"。


min_dist：

含义：最小的距离。
类型：浮点数。
默认值：0.5。


spread：

含义：在高维空间中的分布。
类型：浮点数。
默认值：1.0。


n_components：

含义：输出的UMAP维度数。
类型：整数。
默认值：2。

 

Reference

[1] McInnes, L, Healy, J, UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction, ArXiv e-prints 1802.03426, 2018

[2] Kobak, D., Berens, P. The art of using t-SNE for single-cell transcriptomics. Nat Commun 10, 5416 (2019). https://doi.org/10.1038/s41467-019-13056-x

[3] A Guide to Analyzing Single-cell Datasets, John F. Ouyang, January 2023

http://www.idata8.com/rpackage/Seurat/RunUMAP.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/506536.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

怎么对App进行功能测试

怎么对App进行功能测试

测试人员常被看作是bug的寻找者，但你曾想过他们实际是如何开展测试的吗？你是否好奇他们究竟都做些什么，以及他们如何在一个典型的技术项目中体现价值？本文将带你经历测试人员的思维过程，探讨他们测试app时的各种考虑. …
阅读更多...
哪里下载Mac上最全面的系统清理工具，CleanMyMac X4.15中文版永久版资源啊

哪里下载Mac上最全面的系统清理工具，CleanMyMac X4.15中文版永久版资源啊

哪里下载Mac上最全面的系统清理工具，CleanMyMac X4.15中文版永久版资源啊，CleanMyMac X4.15中文版是一款全面的Mac系统优化工具。它能够扫描、检测并清理不需要的文件和应用程序，优化内存使用和磁盘空间，提高Mac的性能表现。此外&…
阅读更多...
[论文笔记] Mistral论文解读

[论文笔记] Mistral论文解读

https://arxiv.org/pdf/2310.06825.pdf GQA: 1、加快推理速度 2、减小内存需求 3、允许更大的batch 4、更高的吞吐量 SWA： 1、较低的计算成本 更有效的处理 较长的序列。 2、感受野更符合常理。不再是全局感受野，而是只和前4096个进行语义融合。…
阅读更多...
学校官网-正版Office软件安装

学校官网-正版Office软件安装

学校花费大价钱购买了正版软件的使用资格，不使用岂不是浪费我们交的学费？ 在学校官网找到软件的下载地方 下载Office 2021 中文版：64位，微软激活客户端 在文件夹中显示如下： 其中nuaa.KMS.Update4.bat是激活客户端解…
阅读更多...
通过大语言模型理解运维故障：评估和总结

通过大语言模型理解运维故障：评估和总结

张圣林 南开大学软件学院副教授、博士生导师 第六届CCF国际AIOps挑战赛程序委员会主席 在ATC、WWW、VLDB、KDD、SIGMETRICS等国际会议和JSAC、TC、TSC等国际期刊发表高水平论文50余篇。主持国家自然科学基金项目2项，横向项目13项（与华为、字节跳动、腾讯…
阅读更多...
Django路由层（反向解析、路由分发、命名空间、路径转换）

Django路由层（反向解析、路由分发、命名空间、路径转换）

Django路由层（反向解析、路由分发、命名空间、路径转换） 目录 Django路由层（反向解析、路由分发、命名空间、路径转换）路由配置反向解析前端用法后端用法 反向解析的本质路由分发用法示例 分发时遇到的问题解决方案1解决方案2 命名…
阅读更多...
力扣 分割回文串

力扣 分割回文串

输出的是不同的分割方案 class Solution { public:vector<vector<bool>>flag;vector<string>ans;vector<vector<string>>nums;void dfs(string &s,int i){int ns.size();if(in){i表示s长度&#xff0c;等于即全部分割完毕nums.push_back(ans…
阅读更多...
PTA天梯 L1-071前世档案

PTA天梯 L1-071前世档案

网络世界中时常会遇到这类滑稽的算命小程序&#xff0c;实现原理很简单&#xff0c;随便设计几个问题&#xff0c;根据玩家对每个问题的回答选择一条判断树中的路径&#xff08;如下图所示&#xff09;&#xff0c;结论就是路径终点对应的那个结点。 现在我们把结论从左到右顺…
阅读更多...
C++指针（三）

C++指针（三）

个人主页:PingdiGuo_guo 收录专栏&#xff1a;C干货专栏 文章目录 前言 1.字符指针 1.1字符指针的概念 1.2字符指针的用处 1.3字符指针的操作 1.3.1定义 1.3.2初始化 1.4字符指针使用注意事项 2.数组参数&#xff0c;指针参数 2.1数组参数 2.1.1数组参数的概念 2.1…
阅读更多...
鸡尾酒疗法 T1067

鸡尾酒疗法 T1067

鸡尾酒疗法&#xff0c;原指 “高效抗逆转录病毒治疗”&#xff08;HAARTHAART&#xff09;&#xff0c;由美籍华裔科学家何大一于 1996 年提出&#xff0c;是通过三种或三种以上的抗病毒药物联合使用来治疗艾滋病。该疗法的应用可以减少单一用药产生的抗药性&#xff0c;最大限…
阅读更多...
一文了解docker与k8s

一文了解docker与k8s

随着 k8s 作为容器编排解决方案变得越来越流行&#xff0c;有些人开始拿 Docker 和 k8s 进行对比&#xff0c;不禁问道&#xff1a;Docker 不香吗&#xff1f; k8s 是 kubernetes 的缩写&#xff0c;8 代表中间的八个字符。 其实 Docker 和 k8s 并非直接的竞争对手两者相互依存…
阅读更多...
配电房轨道式巡检机器人方案

配电房轨道式巡检机器人方案

一、应用背景 在变电站、配电房、开关站等各种室内变配电场所内&#xff0c;由于变配电设备的数量众多、可能存在各类安全隐患&#xff0c;为了保证用电的安全可靠&#xff0c;都要进行日常巡检。 但目前配电房人工巡检方式有以下主要问题&#xff1a; 巡检工作量大、成本高 …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023