m-TSNE：高维多元时间序列可视化框架
机器学习
2017-08-29 v1 统计方法学
摘要
多元时间序列（MTS）在医疗保健领域日益普遍，其中收集人类生命体征和实验室结果用于预测性诊断。近期，基于星形图或平行坐标系的医疗保健 MTS 数据可视化研究不断增多。然而，此类技术可能并不适合可视化大型 MTS 数据集，因为 MTS 固有的高维性使得难以从中获取见解或解释。在本文中，我们提出了 'm-TSNE'：一个简单且新颖的框架，通过将高维 MTS 数据投影到低维（二维或三维）空间同时捕获其底层数据特性来实现可视化。我们的框架易于使用，为医疗保健专业人员理解 MTS 数据提供了可解释的见解。我们在两个真实世界数据集上评估了该可视化框架，并证明我们的 m-TSNE 结果呈现出易于理解的模式，而其他方法的可视化在可解释性方面可能存在局限性。
引用
@article{arxiv.1708.07942,
title = {m-TSNE: A Framework for Visualizing High-Dimensional Multivariate Time Series},
author = {Minh Nguyen and Sanjay Purushotham and Hien To and Cyrus Shahabi},
journal= {arXiv preprint arXiv:1708.07942},
year = {2017}
}
备注
VAHC2016 Workshop on Visual Analytics in Healthcare in conjunction with AMIA 2016