[论文解读] Casting Multiple Shadows: High-Dimensional Interactive Data Visualisation with Tours and Embeddings

Stuart Lee, Ursula Laa+1 more|arXiv (Cornell University)|Dec 11, 2020

Data Visualization and Analytics参考文献 42被引用 4

一句话总结

本文提出了一种新颖的交互式可视化框架，通过 R 包 *liminal* 实现，将 t-SNE 嵌入与动态巡游（tours）相结合，以提升高维数据的可解释性。通过将巡游——一系列线性投影——与非线性嵌入相链接，该方法使用户能够检测 t-SNE 可视化中的失真，验证聚类结构，并评估邻域保持性，显著提高了在单细胞转录组学和模拟数据中进行聚类方向判断的可靠性。

ABSTRACT

Non-linear dimensionality reduction (NLDR) methods such as t-distributed stochastic neighbour embedding (t-SNE) are ubiquitous in the natural sciences, however, the appropriate use of these methods is difficult because of their complex parameterisations; analysts must make trade-offs in order to identify structure in the visualisation of an NLDR technique. We present visual diagnostics for the pragmatic usage of NLDR methods by combining them with a technique called the tour. A tour is a sequence of interpolated linear projections of multivariate data onto a lower dimensional space. The sequence is displayed as a dynamic visualisation, allowing a user to see the shadows the high-dimensional data casts in a lower dimensional view. By linking the tour to an NLDR view, we can preserve global structure and through user interactions like linked brushing observe where the NLDR view may be misleading. We display several case studies from both simulations and single cell transcriptomics, that shows our approach is useful for cluster orientation tasks.

研究动机与目标

• 为解决非线性降维（NLDR）方法（如 t-SNE）的解释难题，这些方法常因复杂参数化而掩盖或扭曲全局数据结构。
• 通过将 NLDR 与动态线性投影（巡游）结合，提升高维数据中聚类识别的可靠性。
• 提供交互式诊断工具，帮助分析人员评估 t-SNE 嵌入是否保留了数据中有意义的拓扑与几何关系。
• 通过在巡游与 t-SNE 视图之间实现实时对比，实现链接刷选，减少对虚假聚类的感知误判。

提出的方法

• 该框架将 t-SNE 嵌入与动态全景巡游相结合，通过插值线性投影系统性地将高维数据投影到低维视图。
• 交互式链接刷选允许用户在 t-SNE 视图中选择区域，并同时在巡游视图中突出显示对应点，从而实现对局部与全局结构的交叉验证。
• 通过在参考数据集上计算 k-最近邻（k-NN）图，并与 t-SNE 和巡游投影中的图进行比较，评估邻域保持性。
• 该方法使用不透明度、颜色比例或选择来编码距离或邻近关系，支持一对一多的刷选，以检测嵌入与原始数据几何之间的不匹配。
• 实现利用 R 包如 *ggplot2*、*cowplot* 以及 *FNN*/*RcppAnnoy* 实现高效的最近邻计算与交互式渲染。
• 提出了一种“sage 巡游”作为非线性变换，以缓解巡游视图中的重叠与拥挤问题，提升密集聚类的可见性。

实验结果

研究问题

• RQ1 将巡游与 t-SNE 嵌入链接，是否有助于检测因非线性降维中参数设置不当而引起的误导性可视化？
• RQ2 动态线性投影在多大程度上能揭示 t-SNE 可视化中被掩盖的全局数据结构？
• RQ3 巡游与 t-SNE 视图之间的链接刷选在多大程度上能提升聚类结构与邻域保持性的验证？
• RQ4 交互式诊断能否降低在缺乏真实标签的情况下对虚假聚类的误判风险？
• RQ5 可扩展的可视化技术如何支持大规模单细胞转录组学数据集的可解释性分析？

主要发现

• 该框架成功检测到 t-SNE 可视化中的失真，例如在树状几何等分段线性数据结构中，不同聚类被错误合并的现象。
• 在模拟研究中，巡游准确保留了聚类的真实形状与分离度，而 t-SNE 在次优参数设置下往往无法做到这一点。
• 链接刷选使分析人员能够识别出 t-SNE 中局部邻域保持性差的区域，揭示了嵌入中的潜在伪影。
• 在单细胞转录组学中，结合巡游与 t-SNE 的视图使聚类方向判断更加可靠，并支持标记基因表达模式的验证。
• 在两个视图中使用 k-NN 图揭示了嵌入与原始数据之间的差异，支持检测未被保留的邻域。
• *liminal* R 包的实现，包括对一对一多刷选和快速邻居计算的支持，使得高维数据的可扩展且交互式的探索成为可能。