可扩展半监督降维：基于 GPU 加速的 EmbedSOM
机器学习
2022-01-04 v1 分布式、并行与集群计算
机器学习
摘要
降维方法作为科学各领域中的可视化工具已有广泛应用。尽管存在许多不同方法，其性能往往不足以快速洞察众多当代数据集，且无监督的使用模式阻碍用户将方法用于数据集探索并微调细节以提升可视化质量。我们提出 BlosSOM，一款高性能半监督降维软件，用于对含数百万个数据点的高维数据集进行可交互、用户可引导的可视化。BlosSOM 基于 GPU 加速的 EmbedSOM 算法实现，并辅以若干基于地标（landmark）的算法，将无监督模型学习算法与用户监督相接口。我们在真实数据集上展示 BlosSOM 的应用，其有助于生成融合用户指定布局并聚焦于特定特征的高质量可视化。我们相信半监督降维将改善单细胞流式细胞术等科学领域的数据可视化可能，并为数据集探索与标注的新方向提供快速高效的基准方法。
引用
@article{arxiv.2201.00701,
title = {Scalable semi-supervised dimensionality reduction with GPU-accelerated EmbedSOM},
author = {Adam Šmelko and Soňa Molnárová and Miroslav Kratochvíl and Abhishek Koladiya and Jan Musil and Martin Kruliš and Jiří Vondrášek},
journal= {arXiv preprint arXiv:2201.00701},
year = {2022}
}
备注
For software see https://github.com/molnsona/blossom