Skip to content

Machine Learning › 非監督式學習 › 降維 › UMAP

UMAP (Uniform Manifold Approximation and Projection) ​

和 t-SNE 一樣是非線性嵌入、主要用於視覺化,但通常更快、可以 transform 新資料,也可以嵌入超過 2 維。它是單細胞 RNA-seq 分析(Scanpy、Seurat)的預設視覺化。

原理說明
建鄰居圖每個點連到 n_neighbors 個最近鄰,形成帶權重的圖
低維最佳化在 2D 找一個圖結構盡量相似的佈局(cross-entropy)
結果保留局部鄰居;群之間的相對位置有時比 t-SNE 稍有意義,但仍不能當成距離解讀

參數 ​

參數小大
n_neighbors(預設 15)強調局部細節,群被切碎強調較大範圍的結構
min_dist(預設 0.1)點擠成很緊密的團點較分散、看得到群內結構
metric"euclidean"(預設)、"cosine"、"correlation" 等—

用法 ​

python
# pip install umap-learn(套件名 umap-learn,import umap)
import umap
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

X_scaled = StandardScaler().fit_transform(X)
X_pca = PCA(n_components=30).fit_transform(X_scaled)       # 高維資料先 PCA

reducer = umap.UMAP(n_neighbors=15, min_dist=0.1, n_components=2, random_state=0)
emb = reducer.fit_transform(X_pca)
emb_new = reducer.transform(X_new_pca)                     # 新資料可投影(t-SNE 不行)

設 random_state 時 UMAP 會停用平行化以確保可重現,速度變慢;大資料探索時可以不設。

PCA vs t-SNE vs UMAP

digits 資料(1,000 張 8×8 手寫數字):PCA 是線性投影,各數字大幅重疊;t-SNE 與 UMAP 都把多數數字分成清楚的群,UMAP 的群更緊密。兩者的群間空白與群大小都不代表真實的距離或變異。

t-SNE vs UMAP ​

t-SNEUMAP
速度較慢較快,可處理百萬點
新資料不能 transform可以
嵌入維度通常 2–3任意(可作為下游分群的輸入)
主要參數perplexityn_neighbors、min_dist
解讀限制群大小、群間距離不可信同樣不可信(只是程度略好)

生資使用提醒 ​

提醒說明
先 PCA 再 UMAP標準流程:正規化 → 高變異基因 → PCA(30–50 PC)→ KNN 圖 → UMAP / Leiden
分群要在 PCA / KNN 圖上做,不要在 UMAP 座標上做UMAP 的 2D 座標扭曲了距離
圖上「分開」的群不一定是不同細胞類型可能是批次、細胞週期、品質;用標記基因與 QC 指標上色驗證
參數改變會改變圖的外觀結論不要依賴單一張圖;報告時寫出參數
不要從 UMAP 圖推論連續性或軌跡軌跡分析需要專門方法(pseudotime),見 軌跡分析