例えばオミクスデータなど,われわれが観測するデータの次元は日増しに高くなっている.一方,われわれヒトは高次元の情報に弱く,たかだか三次元しか認識・共有できない.このギャップを埋めるため,可視化に適したさまざまな次元縮約の方法論が開発され,日々用いられている.一方,「t-SNE,UMAP…どれ?」「perplexityは30?50?」と悩んだ経験が誰しも一度はあるはずだ.それではどうやって手法を選択したらよいのか? Rong Maらは,「サンプル同士の真の関係性は可視化手法が違えど同じである」との仮定のもと,可視化という曖昧なタスクの評価の指標としてvisualization eigenscoreを提唱した.そして同指標に基づき,さまざまな可視化手法の出力を重み付けて統合するという,頑健な可視化手法を提案している(Ma R, et al:Nat Commun, 14:780, 2023).
.....
DOI:10.18958/7281-00004-0000496-00