[论文解读] Visualizing Dimensionality Reduction Artifacts: An Evaluation

Nicolas Heulot, Jean‐Daniel Fekete+1 more|arXiv (Cornell University)|May 15, 2017

Data Visualization and Analytics参考文献 22被引用 9

一句话总结

本文评估了 ProxiViz，一种交互式可视化技术，通过根据用户选定参考点的原始不相似度对二维投影进行着色，以检测降维过程中的伪影。受控实验结果表明，ProxiViz 显著提高了局部任务（如异常值和聚类检测）的准确性，通过使伪影可见并减少用户错误，而原始投影由于拓扑失真容易导致误解。

ABSTRACT

Multidimensional scaling allows visualizing high-dimensional data as 2D maps with the premise that insights in 2D reveal valid information in high-dimensions. However, the resulting projections suffer from artifacts such as bad local neighborhood preservation and clusters tearing. Interactively coloring the projection according to the discrepancy between original proximities relative to a reference item reveals these artifacts, but it is not clear if conveying these proximities using color and displaying only local information really helps the visual analysis of projections. We conducted a controlled experiment to investigate the relevance of this interactive technique to help the visual analysis of any projection regardless its quality. We compared the bare projection to the interactive coloring of the original proximities on different visual analysis tasks involving outliers and clusters. Results indicate that the interactive coloring is worthwhile for local tasks as it is significantly robust to projection artifacts whereas the projection is not. However this interactive technique does not help significantly for visual clustering tasks for that projections already give a suitable overview.

研究动机与目标

• 研究高维数据二维可视化中的投影伪影如何影响用户解读。
• 评估基于参考点的不相似度交互着色是否有助于用户检测并克服这些伪影。
• 比较原始投影与 ProxiViz 在涉及异常值和聚类的可视化分析任务中的有效性。
• 确定伪影感知可视化是否能提升数据分析任务的准确性和鲁棒性。

提出的方法

• ProxiViz 技术根据投影点与用户选定参考点在原始高维空间中的不相似度，交互式地对点进行着色，使用颜色强度表示原始空间中的距离。
• 该方法在整个二维投影上可视化不相似度作为颜色图，使用户能够感知超越二维几何结构的数据空间关系。
• 通过受控用户实验，参与者在多个数据集上使用原始投影和 ProxiViz 执行任务。
• 任务包括识别异常值、验证聚类成员关系以及枚举聚类，性能通过正确性和响应时间进行衡量。
• 实验使用了简单和困难的问题，以评估对数据复杂性和投影伪影的敏感性。
• 参与者接受过训练以确保视觉标准的一致性，结果在任务和方法之间进行了显著性统计分析。

实验结果

研究问题

• RQ1 与原始投影相比，交互式不相似度着色（ProxiViz）是否能提高检测局部模式（如异常值和聚类）的准确性？
• RQ2 在使用标准二维投影时，投影伪影如何影响视觉分析的可靠性？
• RQ3 当伪影扭曲可视化中的空间关系时，ProxiViz 是否比原始投影更具鲁棒性？
• RQ4 尽管存在拓扑失真，ProxiViz 是否能减少局部分析任务中的用户错误？
• RQ5 在不同数据复杂度下，ProxiViz 与原始投影在任务完成时间与正确性方面的表现如何比较？

主要发现

• ProxiViz 显著提高了局部任务（如异常值和聚类的标签匹配）的准确性，简单问题的正确率比原始投影高出 6%。
• 原始投影在局部任务中容易出错，而 ProxiViz 通过揭示真实的不相似度，有效缓解了这些问题。
• 在聚类枚举任务中，ProxiViz 在聚类明显分离时的准确性低于原始投影，表明静态概览在识别全局模式方面仍具价值。
• ProxiViz 明显慢于原始投影——异常值任务约为 2 倍，聚类枚举任务约为 3 倍，但其更高的可靠性使其时间成本合理。
• 简单问题与困难问题之间无显著性能差异，表明任务设计合理，且该方法在不同难度水平下均表现出一致的鲁棒性。
• 总体而言，ProxiViz 展现出对伪影的鲁棒性，使其成为交互式基于投影分析系统的重要增强手段。