pavlin-policar/openTSNE

해결하는 문제

고차원 데이터 세트 시각화에 사용되는 차원 축소 알고리즘인 t-Distributed Stochastic Neighbor Embedding (t-SNE)의 고성능 Python 구현을 제공합니다. 속도와 확장성을 개선하여 일반적인 t-SNE의 한계를 해결하며, 수백만 개의 데이터 포인트를 시각화할 수 있도록 하고 데이터의 전역적 정렬 보존을 강화합니다.

작동 방식

openTSNE는 t-SNE를 위한 두 가지 효율적인 알고리즘인 FIt-SNE(기본값)와 Barnes-Hut을 구현합니다. C/C++ 바이너리를 활용하며 멀티스레딩을 위해 OpenMP를 지원합니다. 대규모 데이터 세트에서 최대 성능을 내기 위해 FFTW3와 통합하여 고속 푸리에 변환을 가속화할 수 있습니다.

대상 사용자

데이터 과학자 및 연구자, 특히 명확한 시각적 클러스터가 필요한 싱글 셀 전사체학 또는 기타 대규모 고차원 데이터 세트를 다루는 사용자.

주요 특징

• 수백만 개의 데이터 포인트까지 확장 가능
• 기존 임베딩에 새로운 데이터 포인트 추가 가능
• 모듈형 Python 설계
• 다양한 가속 알고리즘(FIt-SNE 및 Barnes-Hut) 지원
• 시각화의 전역적 정렬을 개선하는 기술