Elke dataset in het waarneembare universum heeft een fundamentele geometrie of vorm, maar die structuur kan zeer gecompliceerd zijn. Om het visualiseren van ingewikkelde datasets gemakkelijker te maken, een onderzoeksteam van Dartmouth heeft HyperTools ontwikkeld, een open-source softwarepakket dat gebruikmaakt van een reeks wiskundige technieken om intuïties te krijgen over hoogdimensionale datasets via de onderliggende geometrische structuren die ze weerspiegelen. De bevindingen zijn gepubliceerd in de Journal of Machine Learning Research .

HyperTools kan worden gebruikt om gegevens om te zetten in visualiseerbare vormen of animaties, die kan worden gebruikt om:verschillende datasets te vergelijken, op een intuïtieve manier inzicht krijgen in onderliggende patronen, generalisaties maken over datasets, en ontwikkelen en testen van theorieën met betrekking tot de Big Data.

"De datasets waarmee we als moderne wetenschappers worden geconfronteerd, kunnen enorm complex zijn, vaak als gevolg van veel op elkaar inwerkende componenten, " legt senior auteur uit, Jeremy R. Manning, een assistent-professor psychologische en hersenwetenschappen en directeur van het Contextual Dynamics Lab in Dartmouth. "Onze tool zet complexe gegevens om in intuïtieve 3D-vormen die visueel kunnen worden onderzocht en vergeleken. we maken gebruik van het verbazingwekkende vermogen van het visuele systeem om patronen in de wereld om ons heen te vinden om ook patronen te vinden in complexe wetenschappelijke gegevens."

De onderzoekers laten zien hoe HyperTools kan worden toegepast op verschillende soorten data. In de krant, ze tonen visualisaties van:hersenactiviteit, filmframes en hersenreacties op het bekijken van die frames; veranderingen in temperatuurmetingen over het aardoppervlak van 1875 tot 2013; en de thematische inhoud van politieke tweets van Hillary Clinton en Donald Trump tijdens de Amerikaanse presidentiële campagne van 2016.

Naast het gebruik van HyperTools om de geometrische structuur van gegevens direct te begrijpen, de inzichten die de tool onthult, kunnen ook worden gebruikt om de ontwikkeling van machine learning-algoritmen te begeleiden. Bijvoorbeeld, de datavisualisaties kunnen onthullen hoe verschillende soorten observaties afzonderlijke clusters vormen (bijv. Trump-tweets versus Clinton-tweets) die kunnen worden gebruikt om de overeenkomsten en verschillen tussen groepen te begrijpen.

Als onderdeel van de HyperTools-toolbox, Manning's lab blijft andere soorten geometrische visualisatieanalyses ontwikkelen en uitbrengen, inclusief de recent gelanceerde tekstanalyses.