Clustrophile 2：引导式可视化聚类分析

数据聚类是一种常用的无监督学习方法，常用于探索性数据分析。然而，在未标记的高维数据中识别相关结构并非易事，需要对聚类参数以及数据特征与实例进行反复实验。典型数据集可能的聚类结果数量庞大，在此庞大空间中导航也颇具挑战。由于缺乏真实标签，无法定义最优解，因此需要用户判断来确定何种结果可被视为令人满意的聚类。数据科学家需要恰当的交互工具，以有效探索和导航庞大的聚类空间，从而提升探索性聚类分析的效率。我们介绍了 \textit{Clustrophile~2}，一种用于引导式聚类分析的新交互工具。\textit{Clustrophile~2} 在基于聚类的探索性分析中引导用户，适应用户反馈以改进引导，促进对聚类的解释，并帮助快速推断不同聚类结果间的差异。为此，\textit{Clustrophile~2} 贡献了一个新特性——聚类漫游（Clustering Tour），以帮助用户选择聚类参数，并依据当前分析目标与用户期望评估不同聚类结果的质量。我们通过一项有 12 名数据科学家参与的用户研究评估了 \textit{Clustrophile~2}，他们使用我们的工具在帕金森病患者的数据集中探索和解释亚队列。结果表明，\textit{Clustrophile~2} 提升了专家与非专家探索性聚类分析的速度与有效性。