ZADU：一个用于评价降维嵌入可靠性的Python库
机器学习
2023-08-14 v2
摘要
降维（DR）技术固有地扭曲输入高维数据的原始结构，产生不完美的低维嵌入。为此已提出多种失真度量来评估DR嵌入的可靠性。然而，在实践中实现和执行失真度量迄今一直耗时且繁琐。为解决此问题，我们推出ZADU，一个提供失真度量的Python库。ZADU不仅易于安装与执行，还通过三个关键特性实现对DR嵌入的全面评价。首先，该库涵盖广泛的失真度量。其次，它自动优化失真度量的执行，大幅减少执行多个度量所需的运行时间。最后，该库指示各数据点如何贡献于整体失真，便于对DR嵌入的详细分析。通过模拟优化DR嵌入的真实场景，我们验证了优化方案大幅减少了执行失真度量所需时间。最后，作为ZADU的应用，我们呈现另一名为ZADUVis的库，其允许用户轻松创建失真可视化，描绘嵌入各区域受失真影响的程度。
引用
@article{arxiv.2308.00282,
title = {ZADU: A Python Library for Evaluating the Reliability of Dimensionality Reduction Embeddings},
author = {Hyeon Jeon and Aeri Cho and Jinhwa Jang and Soohyun Lee and Jake Hyun and Hyung-Kwon Ko and Jaemin Jo and Jinwook Seo},
journal= {arXiv preprint arXiv:2308.00282},
year = {2023}
}
备注
2023 IEEE Visualization and Visual Analytics (IEEE VIS 2023) Short paper