[논문 리뷰] Multivariate Analysis and Visualization using R Package muvis

Elyas Heidari, Vahid Balazadeh-Meresht외 1명|arXiv (Cornell University)|2018. 01. 01.

Data Analysis with R참고 문헌 19인용 수 1

한 줄 요약

이 논문은 종합적인 다변량 데이터 분석 및 시각화를 위한 R 패키지 muvis를 소개한다. 이는 그룹 간 분포가著명하게 다른 특징을 식별하기 위해 새로운 KL 기반 방법—변수별 쿨백-라이블러 발산(VKL)과 위반 변수별 쿨백-라이블러 발산(VVKL)—을 제안하며, 전처리, 그래픽 모델링, 군집화, 차원 축소를 거쳐 NHANES 데이터셋에 대해 효과를 입증한다.

ABSTRACT

Increased application of multivariate data in many scientific areas has considerably raised the complexity of analysis and interpretation. Although quite a few approaches have been put forward to address this issue, there is still a gap between the most efficient proposed methods and available software. muvis is an R package (core team (2017)) which is a toolkit for analyzing multivariate datasets. Several tools are implemented for common analyses of multivariate datasets, including preprocessing, dimensionality reduction, statistical analysis, Probabilistic Graphical Modeling, hypothesis testing, and visualization. Furthermore, we have implemented two novel methods--Variable-wise Kullback-Leibler Divergence (VKL) and Violating Variable-wise Kullback-Leibler Divergence (VVKL)--which are proposed to find the features with most different probability distributions between two specific groups of samples. The main aim of the package is to provide a wide range of users with different levels of expertise in R with a set of tools for comprehensive analysis of multivariate datasets. We exploited the NHANES dataset to declare the functionality of muvis in practice.

연구 동기 및 목표

• 고도로 발전한 다변량 분석 방법과 접근하기 쉬운 통합 소프트웨어 도구 사이의 격차를 해소하기 위해.
• 모든 R 전문 수준의 사용자에게 적합한 통합형 엔드 투 엔드 파이프라인을 제공하기 위해.
• 표본 그룹 간 확률 분포가 다름을 보이는 특징을 탐지하기 위한 두 가지 새로운 분포 기반 방법—VKL 및 VVKL—을 도입하고 구현하기 위해.
• 실제 NHANES 데이터셋을 활용하여 전처리, 통계 모델링, 시각화 작업 전반에 걸쳐 muvis의 功能을 입증하기 위해.

제안 방법

• muvis R 패키지를 활용하여 전처리, 차원 축소, 가설 검정, 시각화를 하나의 워크플로우로 통합한다.
• 변수 간 조건부 독립 구조를 추론하기 위해 가우시안 그래픽 모델(GGMs)과 분해 가능 마르코프 무작위 필드(DMRFs)를 사용한다.
• 두 표본 그룹 간 개별 특징의 분포 차이를 정량화하기 위해 변수별 쿨백-라이블러 발산(VKL)을 적용한다.
• 기대하는 선형 상관관계를 위반하는 특징을 탐지하기 위해 위반 변수별 쿨백-라이블러 발산(VVKL)을 도입하며, 비선형 또는 복잡한 의존성 구조를 강조한다.
• 의존성 구조를 기반으로 샘플을 군집화하기 위해 최소 숲 알고리즘을 사용한 후, 커뮤니티 탐지 및 시각화를 수행한다.
• 고차원 데이터의 2차원 시각화를 위해 차원 축소 기법(UMAP 및 t-SNE)을 사용하며, 군집 소속에 따라 색상으로 구분한다.

실험 결과

연구 질문

• RQ1 다양한 전문 수준의 사용자에게 다변량 데이터 분석을 보다 간편하게 만드는 통합 R 패키지는 어떻게 설계될 수 있는가?
• RQ2 두 그룹 간 확률 분포가著명하게 다른 특징을 효과적으로 식별할 수 있는 새로운 방법은 무엇인가?
• RQ3 KL 기반 방법(VKL 및 VVKL)은 비선형 또는 예상치 못한 상관관계를 탐지하는 데 기존의 상관관계 또는 선형 모델링과 비교해 어떻게 성능을 발휘하는가?
• RQ4 그래픽 모델 및 군집 기법은 고차원 다변량 데이터 내 숨겨진 구조를 효과적으로 드러낼 수 있는가?
• RQ5 UMAP 및 t-SNE와 같은 시각화 도구는 복잡한 다변량 관계의 해석을 어느 정도 향상시킬 수 있는가?

주요 결과

• muvis 패키지는 전처리 단계에서 이상치를 성공적으로 탐지하고 제거하여 NHANES 데이터셋의 데이터 품질을 향상시켰다.
• 가우시안 그래픽 모델(GGMs)과 최소 숲 군집화 기법은 조건부 의존성과 샘플 군집을 효과적으로 반영하였으며, UMAP 및 t-SNE는 정확한 저차원 시각화를 제공하였다.
• VKL 및 VVKL 방법은 그룹 간 분포의著명한 차이를 지닌 특징을 식별하여 비선형 또는 예상치 못한 상관관계 탐지에 기여하였다.
• 커뮤니티 색상이 적용된 UMAP 및 t-SNE 플롯을 포함한 시각화 파이프라인은 군집 패턴과 데이터 내 구조적 관계를 명확히 시각화하였다.
• muvis의 엔드 투 엔드 워크플로우는 전처리, 모델링, 시각화 전반에서 뛰어난 성능을 보이며 종합적인 다변량 분석을 지원하였다.
• 통계 모델링과 상호작용 가능한 시각화 도구를 통합함으로써 패키지는 다양한 과학적 사용자들이 데이터를 더 쉽게 이해하고 활용할 수 있도록 기여하였다.