論文の概要: Stop Misusing t-SNE and UMAP for Visual Analytics

• arxiv url: http://arxiv.org/abs/2506.08725v1
• Date: Tue, 10 Jun 2025 12:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.377324
• Title: Stop Misusing t-SNE and UMAP for Visual Analytics
• Title（参考訳）: Visual Analytics における t-SNE と UMAP の誤用
• Authors: Hyeon Jeon, Jeongin Park, Sungbok Shin, Jinwook Seo,
• Abstract要約: 視覚分析における t-SNE と UMAP の誤用はますます一般的になっている。 我々は114件の論文の文献レビューを行い、誤用の有無を検証し、その背景にある理由を分析した。 我々は,DRのより合理的な利用を促進するために,今後の方向性と具体的な行動項目を提案する。
• 参考スコア（独自算出の注目度）: 11.90101605067968
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Misuses of t-SNE and UMAP in visual analytics have become increasingly common. For example, although t-SNE and UMAP projections often do not faithfully reflect true distances between clusters, practitioners frequently use them to investigate inter-cluster relationships. In this paper, we bring this issue to the surface and comprehensively investigate why such misuse occurs and how to prevent it. We conduct a literature review of 114 papers to verify the prevalence of the misuse and analyze the reasonings behind it. We then execute an interview study to uncover practitioners' implicit motivations for using these techniques -- rationales often undisclosed in the literature. Our findings indicate that misuse of t-SNE and UMAP primarily stems from limited discourse on their appropriate use in visual analytics. We conclude by proposing future directions and concrete action items to promote more reasonable use of DR.
• Abstract（参考訳）: 視覚分析におけるt-SNEとUMAPの誤用はますます一般的になっている。 例えば、t-SNE と UMAP プロジェクションは、しばしばクラスタ間の真の距離を忠実に反映しないが、実践者はクラスタ間の関係を調べるためにしばしばそれらを使用する。 本稿では,この問題を表面化して,そのような誤用の原因と防止策を包括的に検討する。 我々は114件の論文の文献レビューを行い、誤用の有無を検証し、その背景にある理由を分析した。 次に、これらのテクニックを使用する実践者の暗黙のモチベーションを明らかにするために、インタビュースタディを実施します。 この結果から, t-SNE と UMAP の誤用は, 視覚分析における適切な使用に関する限られた言論に起因していることが示唆された。 我々は,DRのより合理的な利用を促進するために,今後の方向性と具体的な行動項目を提案する。

関連論文リスト

• A Closer Look at Bias and Chain-of-Thought Faithfulness of Large (Vision) Language Models [53.18562650350898]
  思考の連鎖(CoT)推論は、大きな言語モデルの性能を高める。 大規模視覚言語モデルにおけるCoT忠実度に関する最初の総合的研究について述べる。
  論文  参考訳（メタデータ） (2025-05-29T18:55:05Z)
• Retrieval-Based Interleaved Visual Chain-of-Thought in Real-World Driving Scenarios [69.00444996464662]
  RIV-CoT(Retrieval-based Interleaved Visual Chain-of-Thought法)を提案する。 実験の結果, RIV-CoTの解答精度は3.1%向上し, バニラCoTの解答精度は4.6%向上した。
  論文  参考訳（メタデータ） (2025-01-08T18:31:16Z)
• Failure Modes of LLMs for Causal Reasoning on Narratives [51.19592551510628]
  本研究では,大言語モデル(LLM)の因果推論能力について,物語から因果関係を推定する代表的な問題から検討する。 最新の言語モデルでさえ、物語の提示とパラメトリック知識の両方において、信頼できないショートカットに依存していることがわかった。
  論文  参考訳（メタデータ） (2024-10-31T12:48:58Z)
• Fine-Grained and Thematic Evaluation of LLMs in Social Deduction Game [3.8028747063484594]
  本研究では,大言語モデル(LLM)が,サブテキストの推測やダブルスピークといった特殊なスキルを必要とする不明瞭なコミュニケーションをサポートできるかどうかを検討する。 本論では,彼らが採用した評価手法に関する2つの問題点を指摘し,第1の課題を解決するための7つのきめ細かい指標を紹介した。 2つ目の課題に対処するため,本論文ではテーマ分析を行い,LLMの性能を損なう4つの主要な原因を同定した。
  論文  参考訳（メタデータ） (2024-08-19T12:35:23Z)
• Privacy Preserving Prompt Engineering: A Survey [14.402638881376419]
  事前学習された言語モデル(PLM)は、広範囲の自然言語処理(NLP)タスクを解くのに非常に有能である。 その結果、これらのモデルのサイズは近年顕著に拡大している。 プライバシーに関する懸念は、広く使われている中で大きな障害となっている。
  論文  参考訳（メタデータ） (2024-04-09T04:11:25Z)
• Zero-shot Causal Graph Extrapolation from Text via LLMs [50.596179963913045]
  我々は,自然言語から因果関係を推定する大規模言語モデル (LLM) の能力を評価する。 LLMは、(特別な)トレーニングサンプルを必要とせずにペア関係のベンチマークで競合性能を示す。 我々は、反復的なペアワイズクエリを通して因果グラフを外挿するアプローチを拡張した。
  論文  参考訳（メタデータ） (2023-12-22T13:14:38Z)
• Dual Contrastive Learning for General Face Forgery Detection [64.41970626226221]
  本稿では,正と負のペアデータを構成するDCL (Dual Contrastive Learning) という新しい顔偽造検出フレームワークを提案する。 本研究は, 事例内コントラスト学習(Intra-ICL)において, 偽造顔における局所的内容の不整合に焦点をあてる。
  論文  参考訳（メタデータ） (2021-12-27T05:44:40Z)
• t-viSNE: Interactive Assessment and Interpretation of t-SNE Projections [3.5229503563299915]
  t-viSNEは、t-SNEプロジェクションを視覚的に探索するためのインタラクティブツールである。 本稿では, t-SNEプロジェクションの可視化のために, 一貫性があり, アクセスしやすく, 統合された様々なビューの集合を提案する。
  論文  参考訳（メタデータ） (2020-02-17T12:22:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。