Feature Clock: 高维数据在二维图中的高维效应
机器学习
2025-06-11 v2
摘要
人类难以感知和解释高维数据。因此,高维数据常被投影到二维进行可视化。许多应用受益于复杂的非线性降维技术,但在二维空间中难以解释单个高维特征的影响。大多数可视化解决方案使用多个二维 图,每个图显示一个高维特征在二维中的影响;这种方法需要检查 k 个图才能理解 k 维输入空间中特征的影响。我们的解决方案 Feature Clock 提供了一种新方法,无需检查这些 k 个图即可把握原始特征对二维空间中数据结构影响的作用。Feature Clock 增强了嵌入数据可视化的可解释性和紧凑性,并提供一个开源的 Python 库。
引用
@article{arxiv.2408.01294,
title = {Feature Clock: High-Dimensional Effects in Two-Dimensional Plots},
author = {Olga Ovcharenko and Rita Sevastjanova and Valentina Boeva},
journal= {arXiv preprint arXiv:2408.01294},
year = {2025}
}
备注
To be published in IEEE VIS 2024