[논문 리뷰] Exploring Dimensionality Reductions with Forward and Backward Projections

Marco Cavallo, Çağatay Demiralp|arXiv (Cornell University)|2017. 07. 13.

Data Visualization and Analytics참고 문헌 37인용 수 3

한 줄 요약

이 논문은 산점도에서 차원 감소된 데이터의 동적이고 이중 방향 탐색을 가능하게 하기 위해 전방 및 후방 투영 상호작용, 프로라인(prolines) 및 타당성 맵(feasibility maps)을 도입한다. Praxis 도구에 통합된 이 기법들은 사용자가 데이터 포인트를 상호작용적으로 조작하고 투영의 변화를 관찰하거나 그 반대로, 차원 감소 분석에서 가설 생성과 해석 가능성의 향상을 크게 향상시킨다. 특히 주성분 분석(PCA)과 오토에인코더 기반 분석에 유용하다.

ABSTRACT

Dimensionality reduction is a common method for analyzing and visualizing high-dimensional data across domains. Dimensionality-reduction algorithms involve complex optimizations and the reduced dimensions computed by these algorithms generally lack clear relation to the initial data dimensions. Therefore, interpreting and reasoning about dimensionality reductions can be difficult. In this work, we introduce two interaction techniques, extit{forward projection} and extit{backward projection}, for reasoning dynamically about scatter plots of dimensionally reduced data. We also contribute two related visualization techniques, extit{prolines} and extit{feasibility map} to facilitate and enrich the effective use of the proposed interactions, which we integrate in a new tool called extit{Praxis}. To evaluate our techniques, we first analyze their time and accuracy performance across varying sample and dimension sizes. We then conduct a user study in which twelve data scientists use extit{Praxis} so as to assess the usefulness of the techniques in performing exploratory data analysis tasks. Results suggest that our visual interactions are intuitive and effective for exploring dimensionality reductions and generating hypotheses about the underlying data.

연구 동기 및 목표

• 차원 감소(DR) 결과를 해석하는 데 도전하는 문제를 다루며, 감소된 차원이 원래 특성과 명확한 대응 관계를 가지지 못하는 점을 해결한다.
• 정적 시각화의 한계를 극복하기 위해 DR 산점도의 동적이고 상호작용 가능한 탐색을 가능하게 한다.
• 양방향 데이터-시각화 결합을 통해 탐색적 데이터 분석에서 사용자 이해도 향상과 가설 생성 능력을 향상시킨다.
• 전방 및 후방 투영 상호작용을 지원하는 새로운 시각화 기법—프로라인과 타당성 맵—을 개발하고 평가한다.
• 선형(PCA) 및 비선형(오토에인코더) 방법 모두에 적합한 확장 가능하고 직관적인 도구(Praxis)를 개발한다.

제안 방법

• 사용자가 데이터 포인트의 고차원 특성 값을 수정하고 그에 따른 2차원 투영의 변화를 관찰하는 전방 투영을 도입한다.
• 사용자가 산점도 내 포인트의 2차원 위치를 조작하고 그에 따라 유추된 고차원 특성 값의 변화를 관찰하는 후방 투영을 도입한다.
• 전방 투영에서 특성 값 변화의 방향과 크기를 보여주는 시각적 보조 도구인 프로라인을 개발하여 영향력 있는 차원을 강조한다.
• 주어진 2차원 투영과 일치하는 고차원 값의 범위를 시각화하여 불확실성 인식을 지원하는 타당성 맵을 설계한다.
• 전방 및 후방 투영, 프로라인, 타당성 맵을 통합한 Praxis 도구를 구현하여 상호작용 가능한 DR 탐색을 지원한다.
• 시각적 임베딩 모델을 활용해 이중 방향 상호작용을 형식화하여 데이터와 시각화의 변화가 양방향으로 비례적으로 반영되도록 보장한다.

실험 결과

연구 질문

• RQ1 전방 및 후방 투영 상호작용은 차원 감소된 데이터 시각화에서 사용자 이해도 향상과 가설 생성 능력 향상에 어떻게 기여하는가?
• RQ2 프로라인과 타당성 맵은 차원 감소 시각화의 해석 가능성과 사용성에 얼마나 기여하는가?
• RQ3 전방 및 후방 투영의 계산 성능과 정확도는 다양한 데이터 샘플 크기와 특성 차원 수에 따라 어떻게 스케일링되는가?
• RQ4 제안된 상호작용 기법은 선형(PCA) 및 비선형(오토에인코더) 차원 감소 기법 모두에 효과적으로 적용될 수 있는가?
• RQ5 사용자들은 탐색적 데이터 분석 작업에서 이중 방향 상호작용의 직관성과 효과성에 대해 어떻게 평가하는가?

주요 결과

• 전방 및 후방 투영 상호작용은 차원 감소된 데이터 시각화에서 동적이고 가설 중심 탐색에 직관적이고 효과적인 방법이다.
• 전방 및 후방 투영의 계산 성능은 다양한 샘플 크기와 차원 수에 걸쳐 효율적으로 스케일링되어 실시간 상호작용을 지원한다.
• 12명의 데이터 과학자로 구성된 사용자 연구는 제안된 상호작용이 효과적인 '만약-그렇다면' 분석을 가능하게 하여 탐색적 데이터 분석 능력을 향상시킨다는 것을 확인한다.
• 프로라인과 타당성 맵은 핵심 특성과 타당한 데이터 영역을 명확히 시각화하여 해석 가능성에 크게 기여한다.
• Praxis에 통합된 이중 방향 상호작용은 더 투명하고 상호작용적인 경험을 제공하여 DR 방법의 '블랙박스' 인식을 감소시킨다.
• 이 기법들은 선형(PCA) 및 비선형(오토에인코더) 차원 감소 모두에 효과적이며 광범위한 적용 가능성을 보여준다.