數(shù)據(jù)可視化第一節(jié)可視化的作用數(shù)據(jù)可視化是指通過(guò)圖形的方式展示數(shù)據(jù)，讓人們能夠直觀的看到數(shù)據(jù)的整體和細(xì)節(jié)特征。大量的研究表明人們通過(guò)圖形獲得的信息要比通過(guò)文字獲得的信息多且快速。有以下作用：第一、相較于文字描述的方式，人們能夠從數(shù)據(jù)可視化中接收到更多的信息，從數(shù)據(jù)可視化的結(jié)果獲得信息的速度要更快一些。數(shù)據(jù)可視化可以更加清晰的展示各個(gè)數(shù)據(jù)的分布或者數(shù)據(jù)的變化情況，使業(yè)務(wù)負(fù)責(zé)人能夠更快地理解和處理信息。第二、數(shù)據(jù)可視化更能夠便于人們發(fā)現(xiàn)數(shù)據(jù)之間的規(guī)律和聯(lián)系，并引導(dǎo)人們進(jìn)行數(shù)據(jù)的深層次的挖掘。第三、對(duì)于數(shù)據(jù)分析來(lái)說(shuō)，數(shù)據(jù)可視化也是后續(xù)模型展示的重要方面。第二節(jié)數(shù)據(jù)可視化的常用圖表１．適合單特征展示的圖形在進(jìn)行數(shù)據(jù)分析時(shí)，很多時(shí)候需要對(duì)每個(gè)特征單獨(dú)進(jìn)行理解。（1）餅圖當(dāng)需要對(duì)顧客、產(chǎn)品群體中不同類別的分布進(jìn)行直觀對(duì)比時(shí)，餅圖（piechart）是一個(gè)有用的工具。它通過(guò)圓形以及圓內(nèi)各個(gè)扇形的角度來(lái)表示數(shù)據(jù)占比大小的圖形。餅圖主要用于顯示數(shù)據(jù)的組成部分以及各部分所對(duì)應(yīng)的比例，對(duì)于研究數(shù)據(jù)的結(jié)構(gòu)性問(wèn)題非常有幫助。１．適合單特征展示的圖形（2）折線圖折線圖（linechart）是將各個(gè)數(shù)據(jù)點(diǎn)繪制到圖表中并將各個(gè)點(diǎn)連接成線所形成的圖形。折線圖通過(guò)坐標(biāo)的大小來(lái)對(duì)應(yīng)數(shù)據(jù)的大小，主要用于反映時(shí)間序列上數(shù)據(jù)的趨勢(shì)和變化特征，利用折線圖可以很容易發(fā)現(xiàn)變化劇烈的點(diǎn)，產(chǎn)生進(jìn)一步分析的焦點(diǎn)。繪制折線圖時(shí)，時(shí)間一般繪制在橫軸，觀測(cè)的變量值繪制在縱軸。１．適合單特征展示的圖形（3）條形圖條形圖（barchart）是通過(guò)用寬度相同、高度不同的條形來(lái)表示數(shù)據(jù)量大小的圖形。條形圖可以用于顯示不同分類的數(shù)據(jù)比較，也可以用于顯示一段時(shí)間的數(shù)據(jù)。當(dāng)類別數(shù)量較多時(shí)，條形圖是更好的選擇。水平條形圖可以給出更多的空間用于放置文本標(biāo)簽。１．適合單特征展示的圖形（4）直方圖直方圖（histogram）也叫頻率直方圖（frequencyhistogram）是一種用矩形面積來(lái)表示頻數(shù)分布的圖形。只有數(shù)值型的數(shù)據(jù)才能使用直方圖來(lái)進(jìn)行展示。利用直方圖可以將數(shù)值型數(shù)據(jù)分組，轉(zhuǎn)變?yōu)闃?biāo)稱性數(shù)據(jù)；可以將多個(gè)數(shù)值根據(jù)其所在區(qū)間進(jìn)行匯總，實(shí)現(xiàn)了數(shù)據(jù)規(guī)約。在繪制直方圖時(shí)，用橫軸來(lái)表示數(shù)據(jù)分組，縱軸表示組別的頻數(shù)或者頻率。橫軸X被劃分為不相交的等寬連續(xù)子域，每個(gè)子域是一個(gè)組，被稱為一個(gè)箱（bin）。每一個(gè)子域?qū)?yīng)一個(gè)矩形，其高度代表了屬于該子域的樣本數(shù)（頻數(shù)），這就形成了一個(gè)直方圖。直方圖可以很清晰地顯示各組別中頻數(shù)的大小。在選用直方圖時(shí)，要注意子域?qū)挾鹊倪x擇。１．適合單特征展示的圖形（5）箱型圖箱型圖（boxplot）又稱為盒圖，用于揭示數(shù)據(jù)分布的情況。它是由數(shù)據(jù)的最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值共5個(gè)特征繪制而成的，是一種顯示數(shù)據(jù)分散情況的圖形。在繪制箱線圖時(shí)，首先找出以上5個(gè)特征點(diǎn)，然后連接上四分位數(shù)和下四分位數(shù)繪制出一個(gè)矩形箱子，中位數(shù)在箱子的中間，最后將最大值和最小值與箱子連接。由于箱線圖包含了位置特征點(diǎn)，所以，通過(guò)箱線圖的形狀，我們能夠看出數(shù)據(jù)分布形狀的一些特征，發(fā)現(xiàn)某些異常點(diǎn)。2.適合多個(gè)特征展示的圖表（1）散點(diǎn)圖散點(diǎn)圖（scatterdiagram）是將兩個(gè)數(shù)值變量的值繪制在同一個(gè)坐標(biāo)系下，以此來(lái)判斷兩個(gè)變量之間關(guān)系的一種圖形。散點(diǎn)圖可以表示一個(gè)變量隨另一個(gè)變量而變化的趨勢(shì)，因此，散點(diǎn)圖是判斷兩個(gè)數(shù)值變量之間是否可能有聯(lián)系的最有效圖形之一，它在回歸分析中經(jīng)常被用于判斷變量之間是否存在相關(guān)性。散點(diǎn)圖還可以用于觀察點(diǎn)簇和離群點(diǎn)。但畫(huà)散點(diǎn)圖的數(shù)據(jù)點(diǎn)不能太多，數(shù)據(jù)點(diǎn)過(guò)于密集時(shí)無(wú)法辨別出數(shù)據(jù)的真實(shí)情況。（2）氣泡圖氣泡圖（bubblechart），顧名思義，是由一組像氣泡的圖標(biāo)組成的圖形，主要用于展示三個(gè)變量之間的關(guān)系。在繪制氣泡圖時(shí)，選擇三個(gè)變量中的其中一個(gè)變量作為橫坐標(biāo)的變量，另一個(gè)變量作為縱坐標(biāo)的變量，最后利用坐標(biāo)系下氣泡的大小來(lái)表示第三個(gè)變量。2.適合多個(gè)特征展示的圖表（3）雷達(dá)圖雷達(dá)圖（radarchart）也叫蜘蛛圖（spiderchart），是用于展示多個(gè)變量的常用圖示方法。雷達(dá)圖在對(duì)比各個(gè)變量的數(shù)值以及多個(gè)樣本之間的相似度方面是非常有效的。在繪制n個(gè)變量的雷達(dá)圖時(shí)，首先畫(huà)一個(gè)圓并將這個(gè)圓n等分，可以得到n條輻射狀的半徑，每條半徑對(duì)應(yīng)一個(gè)變量。將這n條半徑分別作為n個(gè)變量的坐標(biāo)軸，每個(gè)變量的值由半徑上的點(diǎn)到圓心的距離表示。最后將同一樣本下P個(gè)坐標(biāo)上的點(diǎn)連接成線，得到的多邊形即為雷達(dá)圖。第三節(jié)用圖形展示模型結(jié)果１．模型結(jié)果展示展示模型效果時(shí)除了用數(shù)據(jù)制表展示結(jié)果外，也可以使用可視化的方式直觀的展示。例如在分類問(wèn)題中，可以用ROC曲線展示模型分類效果。在預(yù)測(cè)問(wèn)題中，可以用折線圖表示在應(yīng)用模型進(jìn)行預(yù)測(cè)時(shí)，預(yù)測(cè)值和真實(shí)值之間的差距。此外，在社交網(wǎng)絡(luò)分析，圖片處理和文本處理也常用可視化展示模型結(jié)果。２．模型與變量間關(guān)系展示利用可視化工具展示模型效果隨著一些重要變量的變化趨勢(shì)，可以幫助我們了解變量或找到變量的最優(yōu)解。折線圖或者柱狀圖能夠清晰的表示出變化的趨勢(shì)與對(duì)比，因此最常被選擇用于展示同一個(gè)模型，因?yàn)樽兞窟x擇不同的不同表現(xiàn)。右圖展示某預(yù)測(cè)模型結(jié)果的可視化橫軸是模型訓(xùn)練次數(shù)，縱軸是模型的準(zhǔn)確率，1、5、10、20、30是某一參數(shù)的不同設(shè)定對(duì)應(yīng)的模型表現(xiàn)。該模型可視化既展示出了隨著訓(xùn)練次數(shù)的增加，模型表現(xiàn)趨于穩(wěn)定，且展示了參數(shù)對(duì)于模型的影響。３．模型間對(duì)比展示要展示最后得到的變量間的關(guān)系，在維數(shù)較低的情況下也可以選用散點(diǎn)圖來(lái)進(jìn)行表示，比如聚類分析的結(jié)果就可以用散點(diǎn)圖展示出來(lái)。如果是進(jìn)行低維度的回歸擬合，那么也可以采用線圖和散點(diǎn)圖結(jié)合的方式進(jìn)行表示。對(duì)多個(gè)模型進(jìn)行對(duì)比，選擇當(dāng)前情景下最合適的模型，這時(shí)候也可以用柱狀圖來(lái)表示他們之間的對(duì)比關(guān)系。右圖中，有三個(gè)模型針對(duì)于三個(gè)數(shù)據(jù)集合進(jìn)行了訓(xùn)練，將三個(gè)模型在訓(xùn)練建模時(shí)間上的表現(xiàn)用柱狀圖表示，結(jié)果表明模型m1的運(yùn)行時(shí)間在三個(gè)模型中是最優(yōu)的。第四節(jié)常用可視化工具Excel很常見(jiàn)的可視化工具，該工具是可視化工作者必須掌握的技能，雖然常用，但是它難度不小、門檻也不低。可以創(chuàng)建基本的統(tǒng)計(jì)圖表和專業(yè)的數(shù)據(jù)透視表。語(yǔ)言代碼內(nèi)作圖工具許多開(kāi)放的源碼可視化工具可用，如常見(jiàn)的用R語(yǔ)言、python、D3.js等等都可以實(shí)現(xiàn)可視化，但是這些工具的使用在一定程度上需要編程語(yǔ)言的基礎(chǔ)。界面化可視化工具Tableau、FineBI都是數(shù)據(jù)可視化工具和交互式商業(yè)智能(BusinessIntelligence,BI)工具。由于數(shù)據(jù)的大幅度的增長(zhǎng)，企業(yè)更加重視和強(qiáng)調(diào)BI的易用性和可視化。這些工具使可視化變得容易，