基于属性的高维数据非线性嵌入解释
机器学习
2021-08-20 v1 人工智能
摘要
高维数据的嵌入被广泛用于探索数据、验证分析结果以及传达信息。它们的解释，特别是关于输入属性的解释，往往困难。对于 PCA 等线性投影，坐标轴仍可被有意义地标注。对于非线性投影，这不再可能，需要诸如基于属性的颜色编码等替代策略。本文回顾现有的增强技术并讨论其局限。我们提出非线性嵌入探查器（NoLiES），它将一种用于投影数据的新增强策略（rangesets）与小倍数设置中的交互式分析相结合。Rangesets 使用一种基于集合的可视化方法处理分箱属性值，使用户能快速观察结构并检测离群点。我们详述了代数拓扑与 rangesets 之间的联系，并通过具有各种挑战（复杂属性值分布、多属性、多数据点）的案例研究以及理解热力学中矩阵补全潜在特征的真实应用，展示了 NoLiES 的效用。
引用
@article{arxiv.2108.08706,
title = {Attribute-based Explanations of Non-Linear Embeddings of High-Dimensional Data},
author = {Jan-Tobias Sohns and Michaela Schmitt and Fabian Jirasek and Hans Hasse and Heike Leitte},
journal= {arXiv preprint arXiv:2108.08706},
year = {2021}
}
备注
IEEE VIS (InfoVis/VAST/SciVis) 2021