Некоторые говорят, что визуализация данных — это не просто рисование, но в ней невозможно увидеть ценность исследований. Я также наивно думал, что визуализация данных — это преобразование данных из холодных чисел в графику, в лучшем случае она насыщеннее по цвету и выглядит более круто и стильно.

На самом деле, хорошая визуализация может не только оказывать визуальное воздействие на людей, но и раскрывать законы и истины, содержащиеся в данных.

Смысл визуализации

Конечная цель визуализации — получить представление о явлениях и законах, содержащихся в данных, которые имеют несколько значений: открытие, принятие решений, интерпретация, анализ, исследование и обучение.

Краткое определение: повышение эффективности людей при выполнении определенных задач посредством визуального представления. Например, визуализация нескольких наборов данных с одинаковыми статистическими характеристиками (дисперсией, средним и т. Д.) совершенно другой. Как показано на рисунке 1 ниже:

Смысл способности визуализировать состоит в том, что визуализация, как вспомогательный инструмент для человеческого мозга, может сохранить для нас некоторую информацию, а хорошая память не так хороша, как плохое письмо. Во-вторых, графические символы могут направить внимание пользователя на важные цели.

Цель и роль визуализации

Традиционную визуализацию можно условно разделить на исследовательскую визуализацию и объяснительную визуализацию.В соответствии с приложением визуализация преследует несколько целей:

Эффективно представить важные функции
раскрыть объективные законы
Помочь в понимании концепций и процессов вещей
Мониторинг качества моделирования и измерений
Повышение эффективности научных исследований и разработок
Способствовать общению и сотрудничеству

С макроэкономической точки зрения визуализация выполняет три функции:

информационная запись
Информационное обоснование и анализ
Распространение информации и сотрудничество

Классификация визуализации данных

Визуализация данных включает в себя три ветви: научную визуализацию (Sci Vis, Scientific Visualization) и визуализацию информации (Info Vis, Information Visualization), а позже превратилась в третью ветвь: визуальный анализ (VAST, Visual Analytics Science and Technology). в классификации конференции IEEE VIS.

Научная визуализация ориентирована на данные в области науки и техники, такие как данные трехмерных пространственных измерений пространственных координат и геометрической информации, данные компьютерного моделирования и данные медицинских изображений.

Объектом обработки визуализации информации являются неструктурированные, негеометрические абстрактные данные, такие как финансовые транзакции, социальные сети и текстовые данные.Основная проблема заключается в том, как уменьшить влияние визуальной путаницы на информацию для крупномасштабных и многомерных сложных данных. .

В последние годы, с появлением искусственного интеллекта, люди постепенно обнаружили, что некоторые машины действительно могут делать вещи лучше, чем люди, и они также обнаружили, что некоторые вещи требуют помощи 300 миллионов лет человеческих эволюционных навыков. Таким образом, сочетание визуализации и анализа привело к появлению новой дисциплины: визуальной аналитики.

Визуальная аналитика определяется как наука об анализе и рассуждении, основанная на визуальном интерактивном интерфейсе, который объединяет графику, интеллектуальный анализ данных, взаимодействие человека с компьютером и другие технологии для формирования взаимодополняющего и взаимного улучшения интеллекта человеческого мозга и машинного интеллекта.

Сходства и различия между визуальным анализом данных и интеллектуальным анализом данных

Целью визуального анализа данных и интеллектуального анализа данных является получение информации и знаний из данных, но средства для этого разные.

Визуальный анализ данных заключается в представлении данных пользователям с помощью легко воспринимаемых графических символов, позволяющих пользователям интерактивным образом интерпретировать данные.

Интеллектуальный анализ данных — это автоматическое или полуавтоматическое получение скрытых знаний с помощью компьютера, и полученные знания передаются непосредственно пользователям.

То есть визуализация данных позволяет видеть интерактивный интерфейс и больше подходит для исследовательского анализа данных. Интеллектуальный анализ данных, с другой стороны, сталкивается с кучей живых, но темных данных, и ему нужно извлекать из них золото, как копать уголь.

использованная литература:

[1] Чен Вэй, Чжан Сун, Лу Айдун, Основные принципы и методы визуализации данных [М], Science Press, 2013.

[2] http://echarts.baidu.com/examples/editor.html?c=scatter-anscombe-quartet

Приглашаем всех обратить внимание на публичный аккаунт WeChat:Технология визуализации (visteacher)

Не только интерфейс и визуализация, но и мой предпринимательский опыт, опыт управления финансами, рекомендации книг, история жизни

Персональный сайт:blog.kurryluo.com

KurryLuo каждой платформы обмена ниже.

Учись усердно, живи усердно, работай усердно!