Preskoči na sadržaj
Korištenjem servisa na Twitteru pristajete na korištenje kolačića. Twitter i partneri rade globalno te koriste kolačiće za analize, personalizaciju i oglase.

Za najbolje sučelje na Twitteru koristite Microsoft Edge ili instalirajte aplikaciju Twitter iz trgovine Microsoft Store.

  • Naslovnica Naslovnica Naslovnica, trenutna stranica.
  • O Twitteru

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @
  • Jezik: Hrvatski
    • Bahasa Indonesia
    • Bahasa Melayu
    • Català
    • Čeština
    • Dansk
    • Deutsch
    • English
    • English UK
    • Español
    • Filipino
    • Français
    • Italiano
    • Magyar
    • Nederlands
    • Norsk
    • Polski
    • Português
    • Română
    • Slovenčina
    • Suomi
    • Svenska
    • Tiếng Việt
    • Türkçe
    • Български език
    • Русский
    • Српски
    • Українська мова
    • Ελληνικά
    • עִבְרִית
    • العربية
    • فارسی
    • मराठी
    • हिन्दी
    • বাংলা
    • ગુજરાતી
    • தமிழ்
    • ಕನ್ನಡ
    • ภาษาไทย
    • 한국어
    • 日本語
    • 简体中文
    • 繁體中文
  • Imate račun? Prijava
    Imate račun?
    · Zaboravili ste lozinku?

    Novi ste na Twitteru?
    Registrirajte se
Profil korisnika/ce hippopedoid
Dmitry Kobak
Dmitry Kobak
Dmitry Kobak
@hippopedoid

Tweets

Dmitry Kobak

@hippopedoid

Born but to die and reas'ning but to err

Tübingen
Vrijeme pridruživanja: prosinac 2019.

Tweets

  • © 2020 Twitter
  • O Twitteru
  • Centar za pomoć
  • Uvjeti
  • Pravila o privatnosti
  • Imprint
  • Kolačići
  • Informacije o oglasima
Odbaci
Prethodni
Sljedeće

Idite na profil osobe

Spremljena pretraživanja

  • obriši
  • U ovom razgovoru
    Ovjeren akauntZaštićeni tweetovi @
Predloženi korisnici
  • Ovjeren akauntZaštićeni tweetovi @
  • Ovjeren akauntZaštićeni tweetovi @

Odjava

Blokiraj

  • Objavi Tweet s lokacijom

    U tweetove putem weba ili aplikacija drugih proizvođača možete dodati podatke o lokaciji, kao što su grad ili točna lokacija. Povijest lokacija tweetova uvijek možete izbrisati. Saznajte više

    Vaši popisi

    Izradi novi popis


    Manje od 100 znakova, neobavezno

    Privatnost

    Kopiraj vezu u tweet

    Ugradi ovaj Tweet

    Embed this Video

    Dodajte ovaj Tweet na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Dodajte ovaj videozapis na svoje web-mjesto kopiranjem koda u nastavku. Saznajte više

    Hm, došlo je do problema prilikom povezivanja s poslužiteljem.

    Integracijom Twitterova sadržaja u svoje web-mjesto ili aplikaciju prihvaćate Twitterov Ugovor za programere i Pravila za programere.

    Pregled

    Razlog prikaza oglasa

    Prijavi se na Twitter

    · Zaboravili ste lozinku?
    Nemate račun? Registrirajte se »

    Prijavite se na Twitter

    Niste na Twitteru? Registrirajte se, uključite se u stvari koje vas zanimaju, i dobivajte promjene čim se dogode.

    Registrirajte se
    Imate račun? Prijava »

    Dvosmjerni (slanje i primanje) kratki kodovi:

    Država Kod Samo za korisnike
    Sjedinjene Američke Države 40404 (bilo koje)
    Kanada 21212 (bilo koje)
    Ujedinjeno Kraljevstvo 86444 Vodafone, Orange, 3, O2
    Brazil 40404 Nextel, TIM
    Haiti 40404 Digicel, Voila
    Irska 51210 Vodafone, O2
    Indija 53000 Bharti Airtel, Videocon, Reliance
    Indonezija 89887 AXIS, 3, Telkomsel, Indosat, XL Axiata
    Italija 4880804 Wind
    3424486444 Vodafone
    » Pogledajte SMS kratke šifre za druge zemlje

    Potvrda

     

    Dobro došli kući!

    Vremenska crta mjesto je na kojem ćete provesti najviše vremena i bez odgode dobivati novosti o svemu što vam je važno.

    Tweetovi vam ne valjaju?

    Prijeđite pokazivačem preko slike profila pa kliknite gumb Pratim da biste prestali pratiti neki račun.

    Kažite mnogo uz malo riječi

    Kada vidite Tweet koji volite, dodirnite srce – to osobi koja ga je napisala daje do znanja da vam se sviđa.

    Proširite glas

    Najbolji je način da podijelite nečiji Tweet s osobama koje vas prate prosljeđivanje. Dodirnite ikonu da biste smjesta poslali.

    Pridruži se razgovoru

    Pomoću odgovora dodajte sve što mislite o nekom tweetu. Pronađite temu koja vam je važna i uključite se.

    Saznajte najnovije vijesti

    Bez odgode pogledajte o čemu ljudi razgovaraju.

    Pratite više onoga što vam se sviđa

    Pratite više računa da biste dobivali novosti o temama do kojih vam je stalo.

    Saznajte što se događa

    Bez odgode pogledajte najnovije razgovore o bilo kojoj temi.

    Ne propustite nijedan aktualni događaj

    Bez odgode pratite kako se razvijaju događaji koje pratite.

    Dmitry Kobak‏ @hippopedoid 20. pro 2019.
    • Prijavi Tweet

    A year ago in Nature Biotechnology, Becht et al. argued that UMAP preserved global structure better than t-SNE. Now @GCLinderman and me wrote a comment saying that their results were entirely due to the different initialization choices: https://www.biorxiv.org/content/10.1101/2019.12.19.877522v1 …. Thread. (1/n)

    04:20 - 20. pro 2019.
    • 246 proslijeđenih tweetova
    • 590 oznaka „sviđa mi se”
    • Thomas Ashhurst Kris Ganjam Mike O’Dea Alan Tourancheau Pascal Timshel Daniel Junior Arjan Boltjes Abirami Santhanam M.
    14 replies 246 proslijeđenih tweetova 590 korisnika označava da im se sviđa
      1. Novi razgovor
      2. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        Here is the original paper: https://www.nature.com/articles/nbt.4314 … by @EtienneBecht @leland_mcinnes @EvNewell1 et al. They used three data sets and two quantitative evaluation metrics: (1) preservation of pairwise distances and (2) reproducibility across repeated runs. UMAP won 6/6. (2/10)

        1 reply 4 proslijeđena tweeta 19 korisnika označava da im se sviđa
        Prikaži ovu nit
      3. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        UMAP and t-SNE optimize different loss functions, but the implementations used in Becht et al. also used different default initialization choices: t-SNE was initialized randomly, whereas UMAP was initialized using the Laplacian eigenmaps (LE) embedding of the kNN graph. (3/10)

        3 proslijeđena tweeta 19 korisnika označava da im se sviđa
        Prikaži ovu nit
      4. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        Were the results due to the different loss functions or due to the different initializations? George extended the code of Becht et al. to add UMAP with random initialization and t-SNE (using FIt-SNE) with PCA initialization to the benchmark comparison. This is the result. (4/10)pic.twitter.com/iMEwowwLqQ

        1 reply 1 proslijeđeni tweet 20 korisnika označava da im se sviđa
        Prikaži ovu nit
      5. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        Turns out, it was *entirely* due to initialization! UMAP with random initialization preserved global structure as poorly as t-SNE with random initialization, whereas t-SNE with informative (PCA) initialization performed as well as UMAP with informative (LE) initialization. (5/10)

        1 reply 7 proslijeđenih tweetova 43 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      6. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        This is particularly obvious for the reproducibility metric: of course if one runs t-SNE with random initialization and different random seeds, one can get very different global arrangements of clusters. People tend to think it is not true for UMAP, but we show that it is. (6/10)

        1 reply 1 proslijeđeni tweet 13 korisnika označava da im se sviđa
        Prikaži ovu nit
      7. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        In our view, the results of Becht et al. do not actually support the claim that UMAP preserves global structure better than t-SNE, which is how it's been cited in the field. The real lesson is that one should not be using random initialization for either of these methods. (7/10)

        6 proslijeđenih tweetova 53 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      8. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        Dmitry Kobak je proslijedio/a tweet korisnika/ceDmitry Kobak

        This is in agreement with the recommendation to use PCA initialization (rather than random initialization) for t-SNE made in the recent paper by @CellTypist and me: https://twitter.com/hippopedoid/status/1206535867831083008 …. (8/10)

        Dmitry Kobak je dodan/na,

        Dmitry Kobak @hippopedoid
        "The art of using t-SNE for single-cell transcriptomics" by @CellTypist and myself was published two weeks ago: https://www.nature.com/articles/s41467-019-13056-x …. This is a thread about the initialisation, the learning rate, and the exaggeration in t-SNE. I'll use MNIST to illustrate. (1/16) pic.twitter.com/FY3dzLn2fd
        Prikaži ovu nit
        1 reply 4 proslijeđena tweeta 33 korisnika označavaju da im se sviđa
        Prikaži ovu nit
      9. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        Just to be clear: this is *not* an attack on UMAP! I think UMAP is great :-) But I also think t-SNE is great. And there is plenty of room for further improvements and for better conceptual understanding of this whole family of embedding methods. (9/10)

        2 proslijeđena tweeta 25 korisnika označava da im se sviđa
        Prikaži ovu nit
      10. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet

        But to decide which algorithm is more faithful to the single-cell data, further research is needed. Our Comment argues that Becht et al. paper does not answer that. (10/10)

        1 proslijeđeni tweet 21 korisnik označava da mu se sviđa
        Prikaži ovu nit
      11. Kraj razgovora
      1. Novi razgovor
      2. Trenton Bricken‏ @TrentonBricken 20. pro 2019.
        • Prijavi Tweet
        Odgovor korisnicima @hippopedoid @lpachter @GCLinderman

        V interesting. If they perform similarly, UMAP still seems more compelling because it is faster and more theoretically motivated?

        1 proslijeđeni tweet 4 korisnika označavaju da im se sviđa
      3. Dmitry Kobak‏ @hippopedoid 20. pro 2019.
        • Prijavi Tweet
        Odgovor korisnicima @TrentonBricken @lpachter @GCLinderman

        Dmitry Kobak je proslijedio/a tweet korisnika/ceDmitry Kobak

        I am not sure why people think UMAP is faster. For 2D embeddings of large datasets FIt-SNE is usually faster than UMAP and both scale as O(n).https://twitter.com/hippopedoid/status/1206926215220809728 …

        Dmitry Kobak je dodan/na,

        Dmitry Kobak @hippopedoid
        Odgovor korisnicima @MattOldach @tangming2005 @CellTypist
        Wait, why do you think it's more expensive? For 2D embeddings, FIt-SNE (https://github.com/KlugerLab/FIt-SNE … and https://www.nature.com/articles/s41592-018-0308-4 …) is usually faster than UMAP. The idea that UMAP is faster than t-SNE is an obsolete misconception (for 2D).
        1 reply 1 proslijeđeni tweet 7 korisnika označava da im se sviđa
      4. Još 5 drugih odgovora

    Čini se da učitavanje traje već neko vrijeme.

    Twitter je možda preopterećen ili ima kratkotrajnih poteškoća u radu. Pokušajte ponovno ili potražite dodatne informacije u odjeljku Status Twittera.

      Sponzorirani tweet

      false

      • © 2020 Twitter
      • O Twitteru
      • Centar za pomoć
      • Uvjeti
      • Pravila o privatnosti
      • Imprint
      • Kolačići
      • Informacije o oglasima