谱重叠与无参数降维质量度量的比较
机器学习
2019-09-04 v2 机器学习
摘要
非线性降维方法是数据科学家和研究人员可视化复杂高维数据的常用工具。然而，尽管这些方法不断改进且数量持续增长，由于诸如缺乏数据本征维信息以及许多评估度量需额外调参等多种因素，往往难以评估可视化的质量。在本文中，我们试图利用已知真实流形的数据集对降维质量度量进行系统比较。我们将各度量用于可视化常用降维方法中的超参数优化，并提供定量度量以客观比较可视化结果与其原始流形。在结果中，我们发现少数方法似乎一贯表现良好，并将最佳表现者提议为评估基于降维的可视化的基准。
引用
@article{arxiv.1907.01974,
title = {Spectral Overlap and a Comparison of Parameter-Free, Dimensionality Reduction Quality Metrics},
author = {Jonathan Johannemann and Robert Tibshirani},
journal= {arXiv preprint arXiv:1907.01974},
year = {2019}
}