捕捉维度缩减中的视觉伪影
机器学习
2025-11-19 v1
摘要
维度缩减 (DR) 技术因其能够将高维数据集投射到二维平面的能力，常用于数据的可视化探索和分析。然而，将数据集投射到低维通常伴随某种扭曲，这种扭曲不一定容易被识别，但可能导致用户得出误导性的结论。已经开发出了几种投影质量度量 (PQMs) 作为工具来量化DR投影的拟合程度；然而，这些度量大多关注投影如何捕捉数据的全局或局部结构，未考虑结果图表的视觉扭曲，常常忽略可能误导对投影进行可视化分析的离群点或伪影。在本工作中，我们引入了Warping Index (WI)，这是一种用于衡量DR投影质量的新指标，基于正确保留点之间空旷区域对于可靠的视觉数据表示至关重要的假设。
引用
@article{arxiv.2511.14544,
title = {Mind the Gaps: Measuring Visual Artifacts in Dimensionality Reduction},
author = {Jaume Ros and Alessio Arleo and Fernando Paulovich},
journal= {arXiv preprint arXiv:2511.14544},
year = {2025}
}