[論文レビュー] HyperTools: A Python toolbox for visualizing and manipulating high-dimensional data

Andrew C. Heusser, Kirsten Ziman+2 more|ArXiv.org|Jan 28, 2017

Computational Physics and Python Applications参考文献 20被引用数 3

ひとこと要約

HyperTools は、次元削減およびデータアライメント技術を用いて、高次元データの直感的な可視化と操作を可能にする Python ツールボックスです。複雑なデータセットを 2D や 3D の空間に投影し、Procrustean 変換を用いて異なるデータセットをアライメントすることで、幾何的構造や時間的軌跡が明らかになります。神経画像、教育、言語データの事例で示されるように、インタラクティブで出版用に適した可視化により、より深い洞察が得られます。

ABSTRACT

Data visualizations can reveal trends and patterns that are not otherwise obvious from the raw data or summary statistics. While visualizing low-dimensional data is relatively straightforward (for example, plotting the change in a variable over time as (x,y) coordinates on a graph), it is not always obvious how to visualize high-dimensional datasets in a similarly intuitive way. Here we present HypeTools, a Python toolbox for visualizing and manipulating large, high-dimensional datasets. Our primary approach is to use dimensionality reduction techniques (Pearson, 1901; Tipping & Bishop, 1999) to embed high-dimensional datasets in a lower-dimensional space, and plot the data using a simple (yet powerful) API with many options for data manipulation [e.g. hyperalignment (Haxby et al., 2011), clustering, normalizing, etc.] and plot styling. The toolbox is designed around the notion of data trajectories and point clouds. Just as the position of an object moving through space can be visualized as a 3D trajectory, HyperTools uses dimensionality reduction algorithms to create similar 2D and 3D trajectories for time series of high-dimensional observations. The trajectories may be plotted as interactive static plots or visualized as animations. These same dimensionality reduction and alignment algorithms can also reveal structure in static datasets (e.g. collections of observations or attributes). We present several examples showcasing how using our toolbox to explore data through trajectories and low-dimensional embeddings can reveal deep insights into datasets across a wide variety of domains.

研究の動機と目的

• 従来の 2D/3D 描画が不可能な高次元データセットの可視化と解釈の課題に対処すること。
• 研究者が低次元埋め込みとデータ軌道を通じて複雑なデータを探索できる、使いやすくオープンソースのツールボックスを提供すること。
• 脳活動と動画フレームのような異なる座標系を持つデータセットを、ハイパーレイニングおよび Procrustean 変換を用いて比較・アライメントすること。
• 神経科学、教育、社会科学など多様な分野において、直感的で出版用に適した可視化を通じて仮説の生成とデータの探索を支援すること。

提案手法

• PCA や t-SNE、PPCA などの次元削減アルゴリズムを用いて、高次元データを 2D や 3D の空間に投影し、可視化を可能にする。
• ハイパーレイニングアルゴリズムと Procrustean 変換を用いて、元の次元が異なる複数の高次元データセットを共通の座標系にアライメントする。
• アライメントの前に、時系列データを共通の時間分解能に再サンプリングするために、区分的立方スプライン補間を適用する。
• アライメントの前段階として、`reduce` 関数を用いて、データを共通の低次元空間（例：脳ボクセル数に一致する 6,641 次元）に投影する。
• `procrustes` 関数を用いて、二乗ユークリッド距離を最小化する最適な線形変換を計算し、あるデータセット（例：脳反応）を別のデータセット（例：映像フレーム）にアライメントする。
• データ軌道のインタラクティブでアニメーション化された可視化を支援し、高次元時系列データにおける時間的パターンの動的探索を可能にする。

実験結果

リサーチクエスチョン

• RQ1 幾何的および時間的構造を保持する形で、高次元データを効果的に可視化する方法は何か？
• RQ2 次元削減およびアライメント技術は、脳活動、教育的成績、政治的議論のような多様なデータセットにおいて、隠れたパターンをどの程度明らかにできるか？
• RQ3 異なる座標系（例：脳反応と映像フレーム）を持つデータセットを Procrustean 変換でアライメントすることで、意味のある対応関係を明らかにできるか？
• RQ4 Python ツールボックスにおけるワンライン API は、非専門家ユーザーが複雑なデータ可視化と操作をどのように簡略化できるか？

主な発見

• HyperTools は、脳反応と映像フレームを共通の 6,641 次元空間にアライメントすることで、それらの時間的軌跡における構造的類似性を可視化に成功した。
• このツールボックスにより、映像の「レンズを通して」脳反応を可視化でき、各脳パターンが直接解釈可能な対応する映像フレームにマッピングされた。
• ハイパーレイニングを用いて、11 名の参加者からの脳データを共通空間にアライメントし、元の座標系の違いに関係なく、個々の被験者の神経反応を比較可能にした。
• Procrustean 変換により、脳データが映像空間に効果的に再アライメントされ、異なるモodal における幾何的構造の視覚的・定量的比較が可能になった。
• 要約統計量からは見えないパターンを明らかにしたため、このツールボックスは神経科学、教育、政治、生物学など多様な分野で実用的であることが示された。
• 次元削減とアライメントを統合した単一でアクセスしやすい API により、最小限のコードで複雑な可視化と分析が可能になり、しばしばワンラインのコードで実現した。