为什么我看不到我的聚类？基于精确召回的降维验证方法
机器学习
2025-09-05 v1
摘要
降维 (DR) 广泛用于可视化高维数据，常以揭示预期聚类结构为目标。然而，此类结构在投影中可能并不存在。现有 DR 质量指标虽能在一定程度上评估投影可靠性或聚类结构质量，却无法解释为何缺失预期结构。可视化分析解决方案可提供帮助，但常因大范围超参数空间而耗时。本文通过最近的一个框架将 DR 流程分为两个阶段：关系阶段，其中建模相似性关系；映射阶段，其中对数据进行投影。我们引入两种监督指标，即精确率和召回率，用于评估关系阶段。这些指标量化了建模的相似性关系与基于表示该结构的标签集合的预期聚类结构的对齐程度。我们使用 t-SNE 和 UMAP 进行示例应用，并通过各种使用场景对该方法进行验证。我们的做法可指导超参数调优、揭示投影伪影，并确定关系中是否捕获了预期结构，从而加快 DR 流程的速度并提高其可靠性。
引用
@article{arxiv.2509.04222,
title = {Why Can't I See My Clusters? A Precision-Recall Approach to Dimensionality Reduction Validation},
author = {Diede P. M. van der Hoorn and Alessio Arleo and Fernando V. Paulovich},
journal= {arXiv preprint arXiv:2509.04222},
year = {2025}
}