高维后台探索：用于可靠降维文献探索指南
人机交互
2025-06-19 v1 机器学习
摘要
使用降维（DR）进行的可视化分析容易因各种原因而不可靠，例如在表示原始数据方面的固有畸变。因此，文献中提出了广泛的方法，以确保 DR 基于的可视化分析可靠。然而，这些方法的多样性和广度可能使新手分析师和研究人员对从哪里开始和继续如何提出疑问。为此，我们提出了一本用于阅读可靠使用 DR 可视化分析文献的指南。依托对相关文献的前期分类，本指南帮助实践者（1）评估其当前的 DR 专业知识，以及（2）识别进一步提升理解水平的文献。对三位 DR 和数据可视化专家的访谈研究验证了该指南的重要性、全面性和实用性。
引用
@article{arxiv.2506.14820,
title = {Navigating High-Dimensional Backstage: A Guide for Exploring Literature for the Reliable Use of Dimensionality Reduction},
author = {Hyeon Jeon and Hyunwook Lee and Yun-Hsin Kuo and Taehyun Yang and Daniel Archambault and Sungahn Ko and Takanori Fujiwara and Kwan-Liu Ma and Jinwook Seo},
journal= {arXiv preprint arXiv:2506.14820},
year = {2025}
}
备注
EG/VGTC EuroVis 2025 Short paper