单细胞降维聚类

单细胞数据最常用的聚类方法有两种，t-SNE和UMAP (Uniform Manifold Approximation and Projection (T-distributed Stochastic Neighbor Embedding)，选择哪种方法进行可视化在最开始是非常纠结的，因为选择哪一个都不能说错，搜集了一下描述降维聚类的方法，看着看着就放弃了，但还是整理了一些比较有用的资源。

1. UMAP， tSNE和PCA聚类结果的比较

单细胞数据降维可视化最新工具UMAP的介绍_中国生物器材网

2. UMAP降维算法原理详解和应用示例_deephub的博客-优快云博客_umap

3.R语言实现UMAP降维模型 - 云+社区 - 腾讯云

4. 最详细的一个，也是最专业的一个

十二种必须掌握的降维知识(Python代码) - 简书

5. 笔记 | 什么是TSNE - 知乎

6. How to Use t-SNE Effectively