[論文レビュー] Clustrophile: A Tool for Visual Clustering Analysis

Çağatay Demiralp|arXiv (Cornell University)|Oct 5, 2017

Data Visualization and Analytics参考文献 33被引用数 25

ひとこと要約

Clustrophile は、動的データテーブル、2次元投影の散布図、離散的クラスタリングのヒートマップを統合することで、迅速で反復的なクラスタリング分析を可能にするインタラクティブなビジュアルアナリティクスツールです。前向きおよび後向きのプロジェクションという画期的な空間的インタラクション技術と、プロライン可視化法を導入し、さまざまなパラメータと次元削減におけるクラスタリング結果の仮説駆動型探索を支援します。

ABSTRACT

While clustering is one of the most popular methods for data mining, analysts lack adequate tools for quick, iterative clustering analysis, which is essential for hypothesis generation and data reasoning. We introduce Clustrophile, an interactive tool for iteratively computing discrete and continuous data clusters, rapidly exploring different choices of clustering parameters, and reasoning about clustering instances in relation to data dimensions. Clustrophile combines three basic visualizations -- a table of raw datasets, a scatter plot of planar projections, and a matrix diagram (heatmap) of discrete clusterings -- through interaction and intermediate visual encoding. Clustrophile also contributes two spatial interaction techniques, $ extit{forward projection}$ and $ extit{backward projection}$, and a visualization method, $ extit{prolines}$, for reasoning about two-dimensional projections obtained through dimensionality reductions.

研究の動機と目的

• データマイニングにおける繰り返しの試行が必要なクラスタリング分析のためのインタラクティブツールの不足に対処する。分析者は繰り返し異なるアルゴリズム、パラメータ、データサブセットをテストする必要がある。
• クラスタリングワークフロー中の即時の「もし～なら」シナリオの迅速な実行を可能にすることで、仮説の生成とデータの推論を支援する。
• 離散的クラスタリングと連続的次元削減の間のギャップを、統合されたビジュアルインタラクションによって埋める。
• 非エキスパートのデータサイエンティストが、統計的専門知識を深く持たずにクラスタリングの結果を探索できる、スケーラブルで使いやすいビジュアルアナリティクスを提供する。
• 統計的仮説検定（例：分散分析（ANOVA）、相関）をビジュアルインターフェースに直接統合し、クラスタリングの洞察を検証可能にする。

提案手法

• 3つのコアビジュアライゼーションを統合：生データの動的テーブル、2次元平面投影の散布図、離散的クラスタリングのヒートマップ行列。
• 中間のビジュアルエンコーディングを用いて、3つのビュービュー間の相互作用を同期化し、パrameter調整中のリアルタイムフィードバックを可能にする。
• 前向きプロジェクションという技術を導入：モデルの再トレーニングなしに、新しいデータポイントを既存の次元削減空間に埋め込む。これにより、ビジュアル表現の一貫性が向上する。
• 後向きプロジェクションを用いて、低次元空間から元のデータ空間へのマッピングを実現し、クラスタメンバーシップに関する逆方向の推論を支援する。
• 非線形次元削減の結果の解釈を支援するため、複数の2次元投影を通じてデータポイントの軌跡を可視化する「プロライン」可視化法を開発する。
• 観察および特徴のインタラクティブフィルタリング、クラスタ数などのクラスタリングパラメータの動的調整、統計的仮説検定（例：分散分析（ANOVA）、相関）の統合を支援する。

実験結果

リサーチクエスチョン

• RQ1 インタラクティブなビジュアルツールは、データ分析におけるクラスタリングパラメータとアルゴリズム選択の反復的探索をどのように改善できるか？
• RQ2 データ次元、クラスタインスタンス、次元削減された投影の関係についての推論を最も効果的に支援する可視化技術は何か？
• RQ3 サンプル外拡張（前向きプロジェクション）は、動的クラスタリングワークフローにおける一貫性とユーザー理解をどのように向上させるか？
• RQ4 後向きプロジェクションとプロラインは、非線形次元削減の結果に対するユーザー理解をどの程度向上させるか？
• RQ5 ビジュアルアナリティクスツールは、インタラクティブで探索的なインターフェース内に形式的な統計的仮説検定（例：分散分析（ANOVA）、相関）をどの程度統合できるか？

主な発見

• Clustrophile は、同期化されたビジュアライゼーションにより、複数のアルゴリズム、パラメータ、データサブセットにおけるクラスタリング結果の迅速かつインタラクティブな探索を可能にする。
• 前向きプロジェクションにより、計算的に高コストな次元削減アルゴリズムの再実行なしに、新しいデータポイントを低次元空間に一貫して可視化できる。
• 後向きプロジェクションにより、低次元空間から元のデータ空間への逆マッピングが可能となり、クラスタメンバーシップや特徴の影響に関するユーザーの推論を支援する。
• プロライン技術により、非線形次元削減の結果の解釈性が向上し、データポイントが複数の2次元投影を通じてどのように移動するかを可視化できる。
• インターフェース内に統計的仮説検定（例：分散分析（ANOVA）、相関）を統合することで、ユーザーが形式的な仮説検定を用いてクラスタリングの洞察を検証できる。
• このツールは、ユーザーが仮説を生成・検証・精錬する視覚的かつインタラクティブな手段を用いた科学的実験に類似したワークフローをサポートする。