研究人员开发了一种新的数据可视化模块化方法，该方法首先对数据进行聚类，然后单独嵌入每个聚类，最后对这些聚类进行对齐以创建全局嵌入。与t-SNE和UMAP等可能扭曲全局数据几何的现有技术相比，该方法旨在提高透明度。所提出的方法在各种合成和真实世界数据集上都表现出具有竞争力的性能。 AI
影响 为可视化聚类数据提供了一种更透明的方法，可能有助于分析复杂数据集。
排序理由 该聚类包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2509.03373v2 Announce Type: replace-cross Abstract: Dimensionality reduction methods such as t-SNE and UMAP are popular methods for visualizing data with a potential (latent) clustered structure. They are known to group data points at the same time as they embed them, resul…