Впервые я столкнулся с визуализацией данных 4 года назад, тогда преподаватель университета С. посоветовал нам использовать R для статистического анализа данных (да, мой брат тоже какое-то время изучал статистику), и некоторые из Знания заключаются в том, чтобы использовать R для рисования прямоугольников. Визуализировать результаты, такие как линейные графики, диаграммы рассеяния и т. д.
С тех пор у меня появился большой интерес к визуализации данных, и теперь я систематически изучаю визуализацию данных. Сегодня я поделюсь некоторыми основными процессами визуализации данных.
Есть правила, которым нужно следовать во всем, и то же самое верно для визуализации данных, и основные шаги, процессы и системы визуализации являются общими, и различные данные могут быть визуализированы в соответствии со следующей моделью.
Приведенные здесь шаги предназначены не для того, чтобы научить вас рисовать «верную, выразительную и элегантную» карту результатов визуализации, а для того, чтобы передать идею, то есть методологию визуализации.
Визуализируйте основной процесс
Визуализация — это не алгоритм, а процесс, немного похожий на конвейер, но эти конвейеры могут взаимодействовать и идти в обе стороны.
Мы можем просто разделить процесс визуализации на три части: внешний интерфейс, обработка и серверная часть, что не совпадает с концепцией процесса разработки программного обеспечения.
Текст выглядит не очень интуитивно понятно, сразу переходим к картинке:
В фигурке задействовано несколько основных частей:
- сбор информации. Сбор данных напрямую определяет важные свойства, такие как формат, размерность, размер, разрешение и точность данных, и в значительной степени определяет качество результатов визуализации.
- преобразование данных. Этот процесс включает удаление шума данных, очистку данных и извлечение признаков.
- Визуальное картографирование. Визуальное сопоставление является ядром всего процесса визуализации. Оно сопоставляет значение данных, пространственное положение и взаимосвязь между данными в разных местах с различными визуальными каналами. Что касается части визуального канала, вы можете прочитать эту статью——Основы визуализации данных — визуальные каналы.
- Восприятие пользователя. Самая большая разница между визуализацией данных и другими методами обработки данных заключается в том, чтоПользователь. Пользователи могут почувствовать разницу в данных с помощью результатов визуализации данных и извлечь из них информацию, знания и вдохновение.
Хотя описанный выше процесс визуализации прост, следует обратить внимание на два момента:
- Все вышеперечисленные процессы основаны на природных или социальных явлениях, стоящих за данными, а не на самих данных.
- Соединение каждого модуля не в том порядке, как я нарисовал, соединение между ними более нелинейно, и может быть соединение между любыми двумя модулями.
Другие процессы визуализации
Процесс научной визуализации
Эта модель аналогична упрощенному процессу, описанному выше.Визуализация организована в соответствии с этапами сбора, обработки и отображения данных, причем этапы являются более конкретными.
Процесс визуализации информации
Эта модель, предложенная Кардом и др., преобразует конвейерный процесс визуализации в цикл, в котором пользователь может управлять любым этапом. Большинство процессов визуализации теперь моделируются по этому принципу, и большинство систем могут иметь некоторые отличия в реализации.
Модель визуализации взаимодействия человека с компьютером
Визуальная аналитика тесно связана с методами автоматизированной обработки и визуальной аналитики посредством взаимодействия человека с компьютером. На следующем рисунке представлена последняя модель визуального анализа:
Есть два пути от данных к знаниям:
- Интерактивная визуализация данных, помогающая пользователям воспринимать законы, содержащиеся в данных.
- Согласно заданному априори интеллектуальному анализу данных, данные извлекаются непосредственно из модели данных.
Этими двумя способами пользователи могут визуализировать модель, а также может построить модель из результатов визуализации.
Во многих приложениях объектом операции визуального анализа являются разнородные данные из множества источников. Среди этих данных много шума, неструктурированных данных и аномальных данных.Визуальный интерфейс помогает аналитикам интуитивно видеть изменение параметров или выбор алгоритмов при автоматическом анализе, что повышает эффективность оценки модели.
Кроме того, методы, которые позволяют пользователям автономно комбинировать автоматизированную и интерактивную визуальную аналитику, являются фундаментальными особенностями конвейеров визуальной аналитики. В этом процессе мы можем своевременно обнаруживать ошибки на промежуточных этапах или внутренне противоречивые ошибки с помощью визуализации, что повышает доверие.
Подводя итог, визуализация данных развилась до настоящего времени, а сочетание человека и машины является наложенным продуктом нескольких эпох. С одной стороны, машинный интеллект может выполнять задачи, которые люди не могли выполнить на протяжении сотен миллионов лет, с другой стороны, после сотен миллионов лет человеческой эволюции есть некоторые навыки, которые можно только понять и не понять. быть объясненным, т. е. рассуждать Навыки анализа.
использованная литература:
[1] Чен Вэй, Шэнь Цзецянь, Тао Юбо, Визуализация данных [М], Electronic Industry Press, 2013.
Чжэцзянский университет - Чен Вэй, курс визуализации данных Ву Инцай
[2] Haber, R. B. and McNabb, D. A. Visualization idioms: A conceptual model for scientific visualization systems, 1990.
[3] Card S K, Mackinlay J D, Shneiderman B. Readings in information visualization: using vision to think[M]// Readings in information visualization. Morgan Kaufmann Publishers, 1999:647-650.
Приглашаем всех обратить внимание на публичный аккаунт WeChat:Технология визуализации (visteacher)
Не только интерфейс и визуализация, но и алгоритмы, анализ исходного кода и доставка книг
Персональный сайт:blog.kurryluo.com
KurryLuo каждой платформы обмена ниже.
Учись усердно, живи усердно, работай усердно!