通过叠加邻域图解释降维中的畸变

为了进行可视化数据探索，人们开发了许多降维方法。这些工具允许数据分析师在 2D 或 3D 空间中表示多维数据，同时尽可能保留相关信息。然而，它们无法同时保留所有结构，并且会引发一些不可避免的畸变。因此，人们引入了许多标准来评估地图的整体质量，主要基于邻域的保留。此类全局指标目前用于比较多个地图，有助于选择最合适的映射方法及其超参数。然而，这些聚合指标往往掩盖了畸变的局部分布。因此，需要对它们进行局部评估的补充，以确保对地图的正确解释。在本文中，我们描述了一种称为 MING 的新方法，用于“使用邻域图的地图解释”。它提供了对成对地图质量指标的图形化解释，以及畸变的局部评估。这是通过在地图上显示在数据空间和嵌入空间中计算出的最近邻图来实现的。共享和非共享边展示了映射所传达的可靠与不可靠的邻域信息。通过这种方式，分析师可以确定地图上点的邻近（或远离）是否在所选地图质量标准的意义上忠实地表示原始数据的相似（或不相似）。我们将该方法应用于两对广泛使用的指标：precision/recall 和 trustworthiness/continuity，选择它们是因为其在社区中的广泛使用，这将便于用户使用。