大数据产品经理必备基础知识——数据可视化（四）

上篇文章给大家简单介绍了一下基于像素的可视化技术“ 大数据产品经理必备基础知识——数据可视化（三） ”，接下来看看几何投影可视化技术。

几何投影可视化技术

对于基于像素的可视化技术存在一个缺点即他们对于我们理解的多维空间的数据分布帮助不大，不是很容易理解。比如他们并不显示在多维子空间是否存在稠密区域。

几何投影技术可帮助用户更好的发现和理解多维数据集的有趣投影。几何投影技术的首要挑战是设法解决如何在二维显示上可视化高维空间。

散点图：使用笛卡儿坐标显示二维数据点。使用不同的颜色或形状表示不同的数据点，可以增加第三维。例如两个空间属性X，Y，而第三维用不同的形状显示。通过这种可视化技术，我们可以看“+”“X”类型的点趋向于一起出现。
二维数据集使用散点图可视化，资料来源：www.cs.sfu.ca/jpei/public-tions/rareevent-geoinformatica06.pdf

散点图使用笛卡儿坐标系的三个坐标轴，如果也使用颜色，它可是显示4维数据点。如下图：
散点矩阵图：对于维数超过4的数据集，散点图一般不太有效。散点图矩阵是散点图的一种扩充，提供每个维与所有其他维的可视化。

如下图显示的是一种花的数据集。共450个样本，取自3种花。共5个维度：萼片长度和宽度、花瓣长度和宽度，以及种属。
平行坐标：随着维数的增加，散点图矩阵变得不太有效。平行坐标可以处理更高的维度，其绘制n个等距离、互相平行的轴，每维一个。数据记录用折线表示，与每个轴在对应相关维值得点上相交，如下图：
使用平行坐标可视化，资料来源：http://support.sas.com/documentation/cdl/en/grstatproc/61948/THML/default/images/gsgscmat.gif

几何投影可视化技术的内容就介绍到这里了，下篇文章跟大家聊聊基于图符的可视化技术，感兴趣的话就去看看吧！

以上就是“大数据产品经理必备基础知识——数据可视化（四）”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站。