tsne

TSNE图（t-Distributed Stochastic Neighbor Embedding）的调用方式，和对TSNE图进行分析

TSNE图（t-DistributedStochasticNeighborEmbedding）1.在python中如何调用TSNE图？
小桥流水---人工智能·2024-02-02 19:36

10X单细胞（10X空间转录组）画图操作之二维colorbar

之前一些同学一直问一个问题，如何在一张TSNE或者UMAP展示两个基因的表达情况，但是最直观的思考就是一个点（cell）如果展示两个基因的表达量，那必将填充两种颜色，这明显是不可行的，结果将是两种颜色的叠加
单细胞空间交响乐·2024-01-18 17:16

利用igraph包可视化基于KNN的单细胞聚类关系

0、背景（1）在Seurat等包中，在进行挑选高变基因，PCA分析后，多使用SNN(sharednearestneighbor)算法进行单细胞聚类，然后进行TSNE或者UMAP二维可视化。
小贝学生信·2024-01-16 11:55

sc-RNA-seq数据分析|| UMAP与t-NSE的区别

UMAP将会与tsne一样作为高纬数据可视化的利器，并且优于tsne.UMAP与t-SNE均是非线性降维，多用于数据可视化UMAP结构与t-SNE一致UMAP计算更快UMAP能更好地反映高纬结构，比t-SNE
周运来就是我·2023-12-25 07:59

UMAP图上同时展示多个marker基因

最近有小伙伴问道一个问题，如何在一个单细胞UMAP/TSNE图上展示多个marker基因的表达，乍一看挺简单的，后来也是思考了一些时间，慢慢解决了这个问题。
KS科研分享与服务·2023-12-19 21:26

2022-02-23

小洁忘了怎么分身的博客-CSDN博客_r语言perplexityimage.pngimage.png③再然后上github搜索这个报错UnabletorunRunTSNE.Errorin.check_tsne_params
生信小萌神·2023-12-03 22:24

详细解答T-SNE程序中from sklearn.manifold import TSNE的数据设置，包括输入数据，绘制颜色的参数设置，代码复制可用！！

文章目录前言——TSNE是t-DistributedStochasticNeighborEmbedding的缩写1、可运行的T-SNE程序2.实验结果3、针对上述程序我们详细分析T-SNE的使用方法3.1
小桥流水---人工智能·2023-11-27 03:13

Seurat Tutorial 1：标准分析流程，基于 PBMC 3K 数据集

目录1设置Seurat对象2标准预处理工作流程2.1QC和选择细胞进行进一步分析3数据归一化4识别高变特征（特征选择）5标准化数据6执行线性降维7确定数据集的维度8细胞聚类9运行非线性降维(UMAP/tSNE
生信小博士·2023-11-27 02:09

单细胞转录组数据分析课件||6. Dimensionality reduction of scRNA-seq data

PCA分析的基本原理几种其他的降维分析方法tsne与UMAP分析的区别与联系urlThislecturebyPauloCzarnewski(NBIS,ELIXIR-SE)ispartofthecourse"SinglecellRNA-seqdataanalysiswithR
周运来就是我·2023-11-25 07:27

安装MulticoreTSNE，Cannot find/open tsne_multicore shared library

一、情况说明或者使用别人的环境跑代码的时候，亦或者自己使用MulticoreTSNE库，该库安装比较麻烦，即使安装成功也会在运行当中出现很多问题，比如：Cannotfind/opentsne_multicoresharedlibrary、或者fp\install-record.txt'--single-version-externally-managed--compile--install-hea
赶快溜·2023-11-16 22:38

ggplot画 ump 和tsne 从seurat中使用addmodule得到的umap 使用ggplot画图

ggplot画ump和tsne从seurat中使用addmodule得到的umap使用ggplot画图subset_datainflammatory_gene=read.xlsx(“G:/silicosis
生信小博士·2023-11-03 01:15

利用 ggplot2 绘制 Seurat 对象中的 tSNE 或 UMAP 图

一种更灵活的方法是把tSNE或者UMAP降维的信息从seurat对象中提取出来，并利用gg
klcola·2023-11-03 01:40

可视化 | 数据可视化降维算法梳理

文章目录数据描述irisMNISTPCA算法流程图像描述Kernel-PCA算法流程图像描述MDS算法流程图像描述ISOMAP算法流程图像描述LLE算法流程图像描述LPP算法流程图像描述tSNE算法流程图像描述
啦啦右一·2023-10-31 15:54

python数据趋势算法_基于 Python 的 11 种经典数据降维算法

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取(数据降维)算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果;非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴
weixin_39777540·2023-10-29 14:12

用TSNE实现特征降维可视化

目录背景tSNE效果代码实现背景用于深度学习里面的多分类,希望直观地观察到类间距离,从而确定具体哪些类别的识别准确率高.tSNE效果代码实现importtimeimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimport
In.Z·2023-10-28 09:31

拟时序分析

简要内容--拟时序分析的定义--结果解读--------做出结果（cluster、state）--------确定起始点--------做start····end的图（并且映射到tsne中又一个图）--
jiarf·2023-10-15 06:42

单细胞分析实录(8): 展示marker基因的4种图形（一）

今天的内容讲讲单细胞文章中经常出现的展示细胞marker的图：tsne/umap图、热图、堆叠小提琴图、气泡图，每个图我都会用两种方法绘制。
TOP生物信息·2023-10-09 11:13

TSNE降维学习

所以需要用TSNE来将[1000,7]降维至[1000,2]。使用过程如下：#tsnevisual
刘某某.·2023-10-08 22:22

单细胞分析实录(9): 展示marker基因的4种图形（二）

在上一篇中，我已经讲解了展示marker基因的前两种图形，分别是tsne/umap图、热图，感兴趣的读者可以回顾一下。这一节我们继续学习堆叠小提琴图和气泡图。
TOP生物信息·2023-10-04 02:08

Single cell genomic day 2019||Dissecting complex systems with multidimensional data

HowtoUseUMAPPCA-tSNE-UMAP从SNE到t-SNE再到UMAP的降维算法进化史（一）12种降维方法终极指南（含Python代码）
周运来就是我·2023-09-20 15:30

python3画hist图和曲线图(tSNE原理)

#coding:utf-8importnumpyasnpfromnumpy.linalgimportnormfrommatplotlibimportpyplotaspltplt.style.use('ggplot')defsne_crowding():npoints=1000#抽取1000个m维球内均匀分布的点plt.figure(figsize=(20,5))fori,minenumerate(
RedStones·2023-09-18 08:58

matlab-对数据集加噪声并实现tsne可视化

matlab-对数据集加噪声并实现tsne可视化最近才知道，原来可以不用模型，也能实现对数据集数据的可视化。**一、**以COIL-100数据集为例子。
小鸽子。·2023-08-29 21:50

TSNE 降维 可视化脚本

fromsklearn.manifoldimportTSNEimportmatplotlib.pyplotaspltimportnumpyasnpdefplot_embedding(data,label):  _min,_max=np.min(data,0),np.max(data,0)  data=(data-_min)/(_max-_min)  foriinrange(data.shape[0
理心炼丹·2023-08-12 08:45

空间转录组教程||用BayesSpace提高分群和基因分辨率

我们希望聚出来的类不仅在uamp、tsne这样的空间中是清楚明了的，也希望在空间坐标中也是这样。同时也希望找到空间特异的基因表达模式。今天给大家介绍的BayesSpac
周运来就是我·2023-08-11 10:48

利用ggplot2绘制SCI样式的UMAP图

Seurat包展示出来的umap/tsne图都是带有横纵坐标，基于Seurat包可能比较难调整图片的样式，只能借助AI或者PS处理图片。
Zee_李海海·2023-08-07 01:18

10X单细胞（10X空间转录组）降维分析之UMAP

hello，大家好，关于降维算法，在之前分享的文章10X单细胞（10X空间转录组）降维分析之tSNE（算法基础知识）详细介绍了tSNE的降维原理，但是大家都知道，在我们分析10X单细胞或者10X空间转录组数据的时候
单细胞空间交响乐·2023-07-28 21:12

5.2.4 聚类可是化工具-TSNE

而TSNE提供了一种有效的数据降维方式，让我们可以在2维或者3维的空间中展示聚类结果对餐饮客户群聚类分析后的客户群数据可视化importnumpyasnpimportpandasaspdfromsklearn.clusterimportKMeansfromsklearn.manifoldimportTSNEimport
WeDataScience·2023-06-15 08:21

基于 Python 的 11 种经典数据降维算法

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取(数据降维)算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果;非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴
帅气滴点C·2023-04-17 00:02

【Pytorch基础教程37】Glove词向量训练及TSNE可视化

noteGlove模型目标：词的向量化表示，使得向量之间尽可能多蕴含语义和语法信息。首先基于语料库构建词的共现矩阵，然后基于共现矩阵和GloVe模型学习词向量。对词向量计算相似度可以用cos相似度、spearman相关系数、pearson相关系数；预训练词向量可以直接用于下游任务，也可作为模型参数在下游任务的训练过程中进行精调（fine-tuning）；很多使用如情感分析、词性标注任务中，我们的N
山顶夕景·2023-04-10 21:17

单细胞转录组学习笔记-8-聚类算法之PCA与tSNE

转载来自：刘小泽链接：https://www.jianshu.com/p/e659a2f164f7刘小泽写于19.7.5-第二单元第六讲：聚类算法之PCA与tSNE笔记目的：根据生信技能树的单细胞转录组课程探索
夕颜00·2023-04-06 04:25

10X单细胞轨迹分析之回顾

第一部分，降维，图片.png第一页其实在说明为什么我们数据分析的时候为什么先要用PCA降维，PCA降维到50-100维)2F`BYVAHQ9C6DRLPAG5LYU.png这一页讲了tSNE降维的原
Evil_Genius·2023-04-03 01:19

R-Seurat单细胞数据分析流程

Seuratstandardpipeline创建Seurat对象质控Normalization特征选择数据缩放线性降维维数选择细胞聚类非线性降维（UMAP/tSNE）鉴定差异表达特征（clustermarkers
尘世中一个迷途小书僮·2023-03-31 14:15

ubuntu 上 nvidia-smi 没显示所有的GPU

但是当我跑了一个很占内存的程序之后（TSNE降维可视化，数据量比较大），其中一个GPU开始若隐若现，最后在nvidia-smi界面上消失，后来关闭TSNE降维的程序后，该GPU仍旧没有出现。
wzg2016·2023-03-30 04:09

空间信息在空间转录组中的运用

桑基图在单细胞数据探索中的应用热图在单细胞数据分析中的应用定量免疫浸润在单细胞研究中的应用Network在单细胞转录组数据分析中的应用你到底想要什么样的umap/tsne图？
周运来就是我·2023-03-29 15:24

pytorch实现t-SNE

python版本修改获得MNIST数据集在pytorch版本下的结果pytorch对比原来python版本实现的结果python具体源码，见githubhttps://github.com/mxl1990/tsne-pytorch
马小李23·2023-03-23 12:27

10X单细胞（10X空间转录组）降维分析之tSNE（算法基础知识）

hi，大家好，不知道大家对算法感不感兴趣，之前我分享了PCA的原理和一些分析技巧，大家可以参考单细胞PCA分析的降维原理,这篇主要讲PCA的降维原理，10X单细胞10X空间转录组降维分析之PCA轴的秘密,这篇主要讲PCA降维后的一些知识，10X单细胞（10X空间转录组）SeuratPCA分析之三---维度的选取,这篇主要讲我们在分析单细胞数据的时候，PCA维度的选取，而我们今天就是要在这个的基础上
Evil_Genius·2023-03-09 01:01

哈工大硕士生用 Python 实现了 11 种经典数据降维算法，源代码库已开放

这里有个GitHub项目整理了使用Python实现了11种经典的数据抽取（数据降维）算法，包括：PCA、LDA、MDS、LLE、TSNE等，并附有相关资料、展示效果；非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴
视学算法·2023-02-17 07:49

R实战| PCA、tSNE、UMAP三种降维方法在R中的实现

降维算法有基于线性模型的PCA，也有基于非线性的tSNE和UMAP等方法。
木舟笔记·2023-02-16 20:54

umap算法_UMAP的初步了解及与tSNE的比较

降维是机器学习中的可视化和理解高维数据的强大工具。t-SNE是最广泛使用的可视化技术之一，但其性能在大型数据集中会受到影响。UMAP是McInnes等人的一项新技术。与t-SNE相比，它具有许多优势，最显著的是提高了速度并更好地保存了数据的全局结构。例如，UMAP可以在3min之内处理完784维，70000点的MNIST数据集，但是t-SNE则需要45min。此外，UMAP倾向于更好地保留数据的全
weixin_39627201·2023-02-16 20:54

ggplot画 ump 和tsne 从seurat中使用addmodule得到的umap 使用ggplot画图

ggplot画ump和tsne从seurat中使用addmodule得到的umap使用ggplot画图输入炎性基因#对给定的基因集合进行打分All.merge=AddModuleScore(All.merge
YoungLeelight·2023-02-07 13:06

单细胞基因可视化之UMAP图修饰

更多精彩请至《KS科研分享与服务公众号》除了之前说过的三种常见单细胞基因可视化方法外，还有一种最常用的就是直接在UMAP或者TSNE降维图上显示表达某基因的细胞，这种方式更加直观，但是只能显示一个基因，
TS的美梦·2023-02-07 13:35

单细胞UMAP降维图的修饰（一些偏僻问题）

本来呢，单细胞UMAP或者TSNE降维图正常展示就好了，最多修改颜色坐标就可以，但是奈何总是有文章挑战别人的眼睛，非要秀一波非常规操作，那我们也只能把他们打下神坛。
TS的美梦·2023-02-07 13:35

CNN结果 TSNE可视化

记录一下怎么实现：CNN结果TSNE可视化。原文点击代码如下：通过分析这个代码可以根据自己的需要进行可视化。#简略版：可视化关键是输入特征，只要特征确定了，后面就是走流程的事儿了。
dannyle·2023-02-07 11:35

sklearn.manifold.TSNE 实现 t-SNE降维和可视化

sklearn.manifold.TSNE实现t-SNE的降维和可视化文章目录sklearn.manifold.TSNE实现t-SNE的降维和可视化1.介绍2.代码示例3.sklearn.manifold.TSNE
wild kindom·2023-02-06 17:39

2022-08-04_featureplot split之后不出现图例怎么办

featureplotDefaultAssay(sample.integrated)<-'RNA'FeaturePlot(sample.integrated,features='LMNA',reduction='tsne
jiarf·2023-02-02 15:10

机器学习基础---降维方法---T分布随机近邻嵌入(TSNE)推导

T-SNE（T-StochasticNeighborEmbedding）核心思想：对无监督聚类问题：PCA目的是在样本空间内找到子空间，以变换矩阵W对样本矩阵XXX实现原空间到子空间的映射，属于线性聚类方法；其方法核心在于最小化投影后方差LPP方法，本身结合了非线性流形学习方法LE（拉普拉斯特征映射）的思想，引入线性变换的假设，虽然从本质上说属于线性方法，但有效地保留原始高维数据内部的非线性结构，
Guanxiong He·2023-02-01 20:53

CannyLab/tsne-cuda with cuda-10.0

t-SNE-CUDABarnes-Hutt-SNEhttps://github.com/CannyLab/tsne-cuda/projects做数据降维时常用到，但计算较慢，所以可用cuda加速用源码编译时
weixin_34396103·2023-01-29 10:57

PySide2、nltk、wordcloud、gensim、sklearn、pyinstaller实现词嵌入可视化、绘制词云图、制作GUI并打包的踩坑总结

其实就是做一个图形界面，主要功能有两个：1用gensim读取模型，搜索相似词，然后用sklearn的TSNE降维，最后用matplotlib画图；2读取一个txt文本，用nltk的tokenizer分词
学物理的兔子·2023-01-16 08:41

python实现TSNE降维

1.把一个六维数据降成二维并输出1.1导包fromsklearn.manifoldimportTSNEimportpandasaspd1.2读取原来的数据df=pd.read_csv(r'F:\kaiti\data\v1\samples_v1.csv')df=df.values输出：[[100.37.1100.114.15.][100.37.1100.114.15.][101.37.1100.11
imrush·2023-01-08 10:12

使用 k-means 聚类算法对多维属性数据进行分类

O_tongwandou/article/details/81952264k-means高维聚类：https://www.cnblogs.com/icydengyw/p/13591990.htmlpython代码实现TSNE
dataloading·2023-01-07 11:19
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他