数据可视化课件：数据的理解与分析.pptxVIP

;;;;;;;;;;;;

中位数依赖数据的排序位置确定，而不是使用全部数据求得，

因而会损失部分数据信息，但它较少受到极端异常值影响。;;;;

D是测量数据分布宽度的值，定义为第75百分位数与第25百分位数之间的距离，即Q1和Q3的差距。

D反映了中间50%数据的离散程度，不受极端异常值的影响。

D例3.2中四分位数间距是多少？

Q3‐Q1=7.5‐3=4.5。;

D是一组数据中出现次数最多的数值，有时众数在一组数中有好几个。

D若一组数据中只有一个众数，则此数据集是单峰的；若一组数据中有多个众数，则此数据集是多峰的。

极差值

D极差值是一组数据中最大值与最小值之差，它只能描述数据的分布范围，不能充分表达数据的分布信息。;;;

相异度

类别型数据距离计算

数值型属性间的距离计算;;

D对于对象X，Y，取值同为1的属性有p个，X取0且Y取1的属

性有q个，X取1且Y取0的属性有r个，则X，Y的杰卡德距离为：

dX,Y=

D杰卡德距离越大，说明相异度越大。

D例:当X取值为(1，0，1，0)，Y取值为(1，0，0，1)时，

它们的杰卡德距离11多少？2

=

1+1+13;

例如字符串“karolin”和“kathrin”的汉明距离为？。

汉明距离度量了通过替换字符的方式将字符串x变成y所需;;

D也被称为城市街区距离，在规则布局的街道中，

从一个十字路口前往另一个十字路口，行走距离不是两点间的直线距离，而是垂直的移动路线，;

令闵可夫斯基距离(MinkowskiDistance)

令切比雪夫距离(ChebyshevDistance)

令标准化欧氏距离(StandardizedEuclideanDistance)

令马氏距离(MahalanobisDistance)

令余弦距离;;;;

1标准系统架构;;;

4数据可视化质量

常用的可视化质量指标包括：

令尺寸：是可量化的量度，如数据点的数量，构成了其他计算的基础。

令视觉有效性：用于衡量图像退化(如冲突、模糊)或可视布局的美学愉悦程度。

令特征保留度：是评估可视化质量的核心，它衡量可视化结果在数据、可视化和认知角度正确展现数据特性的程度。;;;;

如何在提升数据墨水比和有效传递观点之间找到平衡？

1.数据展示为先，确认图表设计成功传递了观点

2.删除图表垃圾

3.提升数据墨水比

4.围绕要传递的观点，补充辅助信息;;

噪声值:

令回归分析

令离群点分析;;;;;;;

初步分析：在操作之前进行数据分析

冲突解析：解析数据源间的数据冲突

定义数据转换工作流和转换规则：使用工作流方式完成模式(schema)配准和转换

工作流验证：验证工作流中的步骤是否正确

数据转换：开始流程;;;

直接将数据存储为文件形式

简单、方便;

逗号分隔值(comma-separatedvalues);;;;;

“Whenpeopleusetheworddatabase,fundamentally

whattheysayisthatthedatashouldbeself-describinganditshouldhaveaschema.That’sreallyalltheworddatabasemeans.”

(当使用数据库这个词时，人们强调的是数据需要能够自描述，并且拥有模式。这就是“数据库”的含义。)

--JimGray,“TheFourthParadigm”;;;;;;;;

在从数据到信息的过程中，有一些固定的思路，

也称之为思维方式：

令对照

令拆分

令降维

令增维

令假说;;;;;;;;

多视图协调关联;;;;

使用能够描述并区分数据类别或概念

的模型，预测数据中标记未知的对象。模型的导出基于对训练数据集的分析。

分析数据随时空变化所形成的演变规律(单调、周期等)，并对其建模，使用模型对未知时空位置的数据进行预测。;;

一些任务很难用自动方法实现，例如：

聚类结果的评价

检测数据集中的异常点

用户参与数据挖掘过程;;