DumbleDR：预测用户对降维投影质量的偏好
机器学习
2021-05-20 v1 人机交互
摘要
过去几十年涌现了大量降维技术，给研究人员和分析师留下了广泛的选择余地来降低数据维度，尤其是一些技术带有额外的参数化（例如t-SNE、UMAP等）。最近的研究表明，人们通常将降维视为黑箱，而不考虑方法本身保留的具体属性。因此，评估和比较2D投影通常是定性决定的，通过并排放置投影并让人类判断哪个投影最好。在这项工作中，我们提出了一种定量评估投影的方法，但仍将人类感知置于中心。我们进行了一项比较研究，要求人们在图像数据集低层投影的散点图中选择“好”和“误导”的视图，模拟人们通常选择投影的方式。我们将研究数据用作一组质量度量的标签，这些度量的目的是发现和量化人们在选择投影时究竟在寻找什么。有了这个人类判断的代理，我们用它来对新数据集上的投影进行排名，解释它们为何相关，并量化所选投影的主观程度。
引用
@article{arxiv.2105.09275,
title = {DumbleDR: Predicting User Preferences of Dimensionality Reduction Projection Quality},
author = {Cristina Morariu and Adrien Bibal and Rene Cutura and Benoît Frénay and Michael Sedlmair},
journal= {arXiv preprint arXiv:2105.09275},
year = {2021}
}