HUMAP: Hierarchical Uniform Manifold Approximation and Projection

要約

次元削減 (DR) 技術は、分析者が高次元空間のパターンを理解するのに役立ちます。
これらの手法は散布図で表されることが多く、さまざまな科学分野で使用され、クラスターやデータ サンプル間の類似性分析を容易にします。
多くの粒度を含むデータセットの場合、または分析が情報視覚化のマントラに従う場合、階層型 DR 技術は、主要な構造を事前に提示し、必要に応じて詳細を提示するため、最も適したアプローチです。
この研究では、ローカルおよびグローバル構造を柔軟に保持し、階層探索全体を通じてメンタル マップを保持するように設計された新しい階層次元削減手法である HUMAP を紹介します。
現在の階層的アプローチと比較したこの手法の優位性の経験的証拠を提供し、データセットのラベル付けに HUMAP を適用したケーススタディを示します。

要約(オリジナル)

Dimensionality reduction (DR) techniques help analysts to understand patterns in high-dimensional spaces. These techniques, often represented by scatter plots, are employed in diverse science domains and facilitate similarity analysis among clusters and data samples. For datasets containing many granularities or when analysis follows the information visualization mantra, hierarchical DR techniques are the most suitable approach since they present major structures beforehand and details on demand. This work presents HUMAP, a novel hierarchical dimensionality reduction technique designed to be flexible on preserving local and global structures and preserve the mental map throughout hierarchical exploration. We provide empirical evidence of our technique’s superiority compared with current hierarchical approaches and show a case study applying HUMAP for dataset labelling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google