使用 LION-tSNE 可视化与探索动态高维数据集
人工智能
2017-08-17 v1
摘要
T 分布随机近邻嵌入 (tSNE) 是一种用于降维和高维数据可视化的流行且获奖的方法。然而，tSNE 是非参数化的：一旦构建了可视化，tSNE 并未设计用于将额外数据纳入现有表示中。这极大地限制了 tSNE 在数据随时间添加或更新场景（如仪表板或系列数据快照）中的适用性。在本文中，我们提出、分析并评估了 LION-tSNE (Local Interpolation with Outlier coNtrol)——一种将新数据纳入 tSNE 表示的新方法。LION-tSNE 基于训练数据附近的局部插值、异常值检测以及特殊的异常值映射算法。我们表明 LION-tSNE 方法对异常值和来自现有簇的新样本均具有鲁棒性。我们还讨论了针对特殊情况的多项可能改进。我们将 LION-tSNE 与一份详尽的可能基准方法列表进行了比较，这些方法包括多种插值技术、针对新数据的梯度下降以及神经网络近似。
引用
@article{arxiv.1708.04983,
title = {Visualizing and Exploring Dynamic High-Dimensional Datasets with LION-tSNE},
author = {Andrey Boytsov and Francois Fouquet and Thomas Hartmann and Yves LeTraon},
journal= {arXiv preprint arXiv:1708.04983},
year = {2017}
}
备注
44 pages, 24 figures, 7 tables, planned for submission