聚焦聚类：面向患者数据的简单且鲁棒的按需详情仪表板
人机交互
2026-01-21 v1
摘要
探索表格数据集以理解不同特征对如何将数据划分为有意义的队列，在生物标志物发现等领域至关重要，然而在多个特征对投影间比较聚类仍具挑战。我们引入了 Clusters in Focus，一个旨在填补这一空白的交互式可视化分析仪表板。Clusters in Focus 采用三面板协调视图：数据面板提供多种视角（表格、热力图、含直方图/SHAP 值的缩略视图）用于初步数据探索；选择面板展示用户选定特征对的 2D 聚类（K-Means/DBSCAN）；以及一个包含两个可切换视图用于比较聚类的新型聚类相似度面板。排序列表能够识别最匹配的特征对，而具有重排序功能的交互式相似度矩阵则允许发现全局结构模式及相关特征组。这种双视图设计同时支持聚焦查询与广泛的可视化探索。在帕金森病语音数据集上的用例展示了该工具在揭示表征同一患者亚群的不同特征对之间关系的有效性。
引用
@article{arxiv.2601.11524,
title = {Clusters in Focus: A Simple and Robust Detail-On-Demand Dashboard for Patient Data},
author = {Lukas Schilcher and Peter Waldert and Benedikt Kantz and Tobias Schreck},
journal= {arXiv preprint arXiv:2601.11524},
year = {2026}
}