利用类别和特征质心增强降维散点图

维度缩减越来越多地应用于高维生物医学数据以提高可解释性。当数据集缩减到二维时，每个观测值被赋予x和y坐标，并在散点图上表示为点。由于维度缩减固有的复杂性，解释x和y轴的含义是一个重大挑战。本研究通过使用从维度缩减中得到的x和y坐标来计算类别和特征质心，并将其叠加到散点图上，从而应对这一挑战。该方法将低维空间与原始高维空间连接起来。我们利用三种神经遗传疾病表型数据说明了该方法的实用性，并展示了添加类别和特征质心如何提高散点图的可解释性。