降维分析是高维数据（如基因、图像）可视化与特征提取的核心方法。PCA 为主成分分析，通过线性变换提取方差最大的主成分，速度快、可解释性强，适合初步数据探索，但难以保留非线性结构。t-SNE 基于概率分布优化，擅长聚类展示，局部结构清晰，适合可视化，却计算慢、难以还原全局关系。UMAP 兼顾 t-SNE 的聚类效果与更快速度，同时保留局部与全局结构，应用更广泛。MSD（平均平方距离）侧重衡量数据离散程度，常辅助评估降维后数据分布的紧凑性与聚类质量，多用于降维效果验证与特征筛选。
网址链接：https://www.ezygene.com/tool/reduction
这里可以选择上传数据，也可以直接选择数据库里面的数据直接进行
选择降维的方法如PCA PCA2分析是一样的，只是可视化不太一样
简单的操作，完成复杂的分析，尽在简析基因的鼠标点点之间