总览

数据可视化之美 - 读书笔记三

搜索和发现是信息检索的两种方式。
搜索背后的系统可以相当复杂，每次动作都会影响之后的行为。复杂性的后果是系统变得难以解释。依赖性能指标来对检索结果进行量化评估。

理解系统行为另一种辅助方法是使用信息可视化。

大规模可视化

本章的可视化基于相似度原则：当两个事物被紧紧放置到一起的时候，人们往往认为他们属于一个组。

所以我们先定义事物之间的相似和不相似。可是是任何有道理的方面的定义。(比如用户对两个东西的打分是差不多的，他们就是相似的)

有了相似度，需要将他们坐标化。把相似度值转化为二维或者三维坐标。有两种方式：

• 使用一个公式，高维空间映射到二维或者三维空间

• 把各个事物看成图表节点，相似的连线，坐标化就是连接着的在相邻位置，不连接的放在不相邻位置
  

该可视化的问题：

• 不精确比较

• 人们不熟悉大规模可视化

• 涉及到高维数据集降维成二维或者三维，你不确定得到的结果是假象还是真实

社会关系图

爆炸的信息促使人们为了解释而更频繁的数据分析。除了使用数据，我们还要理解模式，识别游离点和发现差异。利用一些聚类算法可以得到稍微清晰些的社会关系图。：

统计和可视化结合可以给出优雅的数据分析探索的解决方案。
可视化简化了统计结果，统计学简化了对偶尔混杂的可视化的理解。

历史流

从维基百科的编辑数据中查找他的形成的原因和经过。

有用的是：

• 获取真实数据

• 尽早并经常进行可视化

• 注意更大范围的过程

分类数据：

如何描绘分类数据：

• 树形图

• 镶嵌图

• 并行集

并行集就是下面这个：

如果是两个维度的话，就是交叉表：

多维度就是树形图了：

动画

右图的动画左侧的动画效果好，他一次变化过程只改变了一个维度。

所以对于动画的可视化来说：

• 分段展示：一次展示太多会分散人们的注意力，应该分解成多个步骤

• 必要的移动：避免不必要的，没有意义的移动

人们在学会语言之前，先学会了微笑

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 981909093@qq.com