高维数据的一些概念 | 您所在的位置:网站首页 › 数据分析维度是什么意思 › 高维数据的一些概念 |
高维数据可视化
数据的维度:数据包含的属性的数量。 多维度数据:拥有多个属性的数据。 三维数据局限性: 1、屏幕是二维的、三维散点图的点与点之间会遮挡; 2、从不同三维视角观察数据点会得到不同的分布。 高维数据:维度大于等于2的数据。 **高维数据在日常生活中的应用:**医疗数据、城市数据、体育数据、、、 高维数据变换高维数据变换——降维 方法:使用线性或非线性变换将高维数据投影到较低维子空间。 线性方法:主成分分析;多维度分析 非线性方法:等度量映射;局部线性嵌入 优点:消除冗余;减少被处理的数量;数据呈现方便。 缺点:数据丢失 应用:数据可视化;数据挖掘;模式识别 散点图矩阵每个散点图所表示的数据是高维数据的两个属性; n维数据的散点图矩阵包括n乘n个图表; 对角线上放对应属性值得分布图。 散点图矩阵可以表现出属性之间的相关关系。 二维散点图的数量和维度的平方成一定比例。 平行坐标轴坐标轴与平行坐标轴 平行坐标轴可以反映出属性间的相关关系。 但是对非相邻属性之间的关系的表现相对较弱。 基于图标的方法特点 1、用图标表达多元数据对象 2、不同图标元素表示不同属性 3、星形图、切尔诺夫脸谱图 关键点 1、选择易于被感知的视觉元素 2、映射必须直观易懂 像素图1、充分利用屏幕空间 2、每个像素点都表示数据点 3、利用密集、不同颜色像素表示数据 特点:效果极大依赖于颜色的使用 马赛克图优点:展现数据不同类别不断细分下的分布规律 缺点:不能把详细的数据点可视化出来 |
CopyRight 2018-2019 实验室设备网 版权所有 |