测量不可见之物——基于质量度量的缺失结构可视化探索
图形学
2025-05-30 v1 人机交互
摘要
本文提出了一组质量度量，用于识别和可视化分析高维数据中的结构化缺失。数据缺失是大多数数据生成领域中常见的挑战，可能导致一系列分析问题。数据中的结构性缺失可能表明数据收集和预处理存在问题，但也可能凸显重要的数据特征。尽管针对缺失数据的统计方法研究主要集中在用合理的估计值替换缺失值，但可视化在支持更深入理解数据缺失结构方面具有巨大潜力。尽管过去十年对缺失数据可视化的兴趣有所增加，但它仍是一个相对被忽视的研究课题，相关出版物数量较少，其中鲜有探讨可扩展性问题的。需要高效的可视化分析方法以支持对大型和高维数据中缺失结构的探索，并在潜在数据质量问题的背景下支持知情决策。本文提出了一组质量度量，用于识别感兴趣的模式，以理解数据中的结构性缺失。这些质量度量可作为可视化分析的指导，正如通过一个探索真实步行监测研究数据中结构性缺失的用例所展示的那样。本文的所有补充材料可在 https://doi.org/10.25405/data.ncl.c.7741829 获取。
引用
@article{arxiv.2505.23447,
title = {To Measure What Isn't There -- Visual Exploration of Missingness Structures Using Quality Metrics},
author = {Sara Johansson Fernstad and Sarah Alsufyani and Silvia Del Din and Alison Yarnall and Lynn Rochester},
journal= {arXiv preprint arXiv:2505.23447},
year = {2025}
}
备注
Submitted to IEEE Vis2025