Core Concepts
고차원 시간 데이터의 시각화를 위해 방향 인식 손실 함수를 t-SNE 차원 축소 알고리즘에 통합하여, 시간 패턴을 더 잘 드러내는 시각화를 제공한다.
Abstract
이 연구는 고차원 시간 데이터의 시각화를 위한 새로운 접근법을 제안한다. 기존의 차원 축소 기법들은 데이터의 시간적 특성을 고려하지 않아 시각화에서 시간 패턴이 잘 드러나지 않는 문제가 있었다. 이를 해결하기 위해 저자들은 방향 인식 손실 함수(Directional Coherence Loss, DCL)와 간선 길이 손실 함수(Edge Length Loss, ELL)를 개발하였다. 이 두 손실 함수를 t-SNE 차원 축소 알고리즘에 통합한 Direction-Aware t-SNE(DA-t-SNE) 기법을 제안하였다.
DA-t-SNE는 인접한 데이터 포인트 간 화살표의 방향이 일관되도록 하고, 화살표의 길이를 최소화하여 시간 패턴을 더 잘 드러내는 시각화를 생성한다. 저자들은 합성 데이터와 실제 데이터(COVID-19 팬데믹 진행 과정, 단어 의미 변화)에 DA-t-SNE를 적용하여 그 효과를 입증하였다. 특히 DA-t-SNE는 기존 t-SNE 대비 시간 패턴을 더 잘 드러내는 시각화를 제공하였다.
Stats
COVID-19 팬데믹 기간 동안 슬로베니아의 일일 검사 건수, 확진자 수, 입원 환자 수