高维数据可视化 高维数据怎样做出可视化效果的5个思路（多图）

每个数据对象都有两个或多个具有独立或相关属性的数据。

一维数据

一维数据可以用饼图和条形图来表示。

二维数据

可以用平面坐标系表示

三维数据

可以用空之间的坐标系表示

高维数据

高维指多个独立属性的数据，多元指多个相关属性的数据。如何在视觉空空间(3D 空空间/2D平面)表达？

想法一:在2D/3D图表上增加视觉通道，表达更多的属性信息。

当维度超过三维时，可以添加视觉编码来表示，如颜色、大小、形状、填充形式等。但是对于高维多元数据的可视化，这种方法还是很有限的。

想法二:“多视图协调关联”:不同的视图代表数据的一些属性。

想法3:使用散布矩阵

对于N维数据，N2二维散点图用于逐个表示N个属性之间的成对关系

随着数据维度的增加，A散点图数量的增加导致可读性下降

例:329车7项技术参数

想法四:使用桌面镜头

类似于表格，表格中的数值以图形的形式显示，保存空，便于观察和查找

排序和选择操作:很容易找到分布规律和关联关系

焦点和背景:图片和文字强调了关注的领域

重新组织视图:移动属性列

想法五:使用平行坐标系

平行轴代表不同的维度

每个数据点对应于一条穿过所有轴的折线

在2D完全显示高维数据空

它不仅可以揭示数据在每个属性上的分布，还可以描述相邻属性之间的关系

例如:a = (1，2，2，1，3)，b = (2，3，1，1，2)，c = (-4，5，2，)

例:329车7项技术参数

在2D完全显示高维数据空

它不仅可以揭示数据在每个属性上的分布，还可以描述相邻属性之间的关系

非相邻属性之间的关系表达能力较弱，不容易同时表达多维关系

该方法的增强和改进:

刷操作:交互选择感兴趣的数据并高亮显示

更改坐标轴的顺序

根据坐标轴之间的相关性进行聚类和重排

其他可视化方法的综合使用