Исследователи предложили использовать внутренний k-ближайших соседей (kNN) граф алгоритма UMAP для анализа данных, вместо привычной визуализации в низкоразмерном пространстве. Авторы доказывают, что этот граф сохраняет структуру данных в исходном многомерном пространстве без искажений, неизбежно возникающих при проецировании на плоскость, что открывает новые возможности для интерпретации сложных датасетов и поиска скрытых закономерностей.
Традиционные рабочие процессы в Data Science обычно ограничиваются визуальным изучением 2D-эмбеддингов, созданных UMAP. Однако такой подход игнорирует топологическую информацию, заложенную в промежуточном графе. Использование методов сетевой науки для анализа этого графа позволяет исследователям извлекать более точные метрики связности и кластеризации, которые теряются при попытке «сплющить» данные до двух или трех измерений.
Метод позволяет проводить более глубокий анализ «смыслообразования» (sensemaking) в сложных наборах данных, таких как результаты секвенирования клеток или высокоразмерные признаки нейронных сетей. Применение инструментов теории графов к структуре, которую UMAP строит автоматически, превращает алгоритм из простого средства визуализации в мощный инструмент для структурного анализа данных.
Ключевые факты
- UMAP создает внутренний kNN-граф, который содержит топологические свойства данных до их искажения проекцией.
- Использование методов сетевой науки на этом графе позволяет выявлять кластеры и связи, невидимые на 2D-графиках.
- Подход эффективен для интерпретации данных в исходном высокоразмерном пространстве.
- Исследование подчеркивает избыточность визуализации как единственного метода анализа результатов UMAP.