共现的可视化分析以发现结构化数据中的子空间

我们提出了一种在单一图像中展示分类数据所有相关子空间的方法。我们将属性的分类值建模为与使用模式挖掘从结构化数据生成的数据分区的共现。我们表明这些共现是先验的，允许我们大大减少搜索空间，有效生成压缩图像，而传统方法会将几个子空间过滤掉，因为它们被视为不重要。识别有趣子空间的任务很常见，但由于指数级搜索空间和维度灾难而困难。此任务的一个应用可能是识别由性别、年龄和糖尿病类型等属性定义的一组患者队列，他们共享常见的患者病史，建模为事件序列。按这些属性过滤数据很常见，但通常很繁琐，且往往不允许子空间比较。我们贡献了一种强大的多维模式探索方法（MDPE方法），与结构化数据类型无关，将多个属性及其特征建模为共现，使用户能够在单一图像中识别和比较数千个感兴趣的子空间。在我们的MDPE方法中，我们引入了两种方法来大幅减少搜索空间，仅以两个表的形式输出搜索空间的边界。我们在交互式视觉界面（MDPE-vis）中实现了MDPE方法，提供可扩展的基于像素的可视化设计，允许在结构化数据中识别、比较和理解子空间。我们使用金标准数据集和外部领域专家的案例研究证实了我们方法和实现的应用性。第三个用例揭示了我们方法的可扩展性，15名参与者的用户研究强调了其有用性和强大功能。