There are many applications where users seek to explore the impact of the settings of several categorical variables with respect to one dependent numerical variable. For example, a computer systems analyst might want to study how the type of file system or storage device affects system performance. A usual choice is the method of Parallel Sets designed to visualize multivariate categorical variables. However, we found that the magnitude of the parameter impacts on the numerical variable cannot be easily observed here. We also attempted a dimension reduction approach based on Multiple Correspondence Analysis but found that the SVD-generated 2D layout resulted in a loss of information. We hence propose a novel approach, the Interactive Configuration Explorer (ICE), which directly addresses the need of analysts to learn how the dependent numerical variable is affected by the parameter settings given multiple optimization objectives. No information is lost as ICE shows the complete distribution and statistics of the dependent variable in context with each categorical variable. Analysts can interactively filter the variables to optimize for certain goals such as achieving a system with maximum performance, low variance, etc. Our system was developed in tight collaboration with a group of systems performance researchers and its final effectiveness was evaluated with expert interviews, a comparative user study, and two case studies.

中文翻译：

---

ICE：高维分类参数空间的交互式配置浏览器

在许多应用程序中，用户试图探索多个分类变量设置对一个因数值变量的影响。例如，计算机系统分析师可能想要研究文件系统或存储设备的类型如何影响系统性能。通常的选择是设计用于可视化多元分类变量的并行集方法。然而，我们发现参数对数值变量影响的大小在这里不容易观察到。我们还尝试了基于多重对应分析的降维方法，但发现 SVD 生成的 2D 布局导致信息丢失。因此，我们提出了一种新颖的方法，即交互式配置浏览器 (ICE)，这直接满足了分析师了解因数值变量如何受到给定多个优化目标的参数设置影响的需求。由于 ICE 显示了每个分类变量上下文中因变量的完整分布和统计信息，因此不会丢失任何信息。分析师可以交互过滤变量以针对某些目标进行优化，例如实现具有最高性能、低方差等的系统。我们的系统是与一组系统性能研究人员密切合作开发的，其最终有效性通过专家访谈进行评估，比较用户研究和两个案例研究。由于 ICE 显示了每个分类变量上下文中因变量的完整分布和统计信息，因此不会丢失任何信息。分析师可以交互过滤变量以针对某些目标进行优化，例如实现具有最高性能、低方差等的系统。我们的系统是与一组系统性能研究人员密切合作开发的，其最终有效性通过专家访谈进行评估，比较用户研究和两个案例研究。由于 ICE 显示了每个分类变量上下文中因变量的完整分布和统计信息，因此不会丢失任何信息。分析师可以交互过滤变量以针对某些目标进行优化，例如实现具有最高性能、低方差等的系统。我们的系统是与一组系统性能研究人员密切合作开发的，其最终有效性通过专家访谈进行评估，比较用户研究和两个案例研究。