6、数据科学中的可视化探索与内在维度估计

数据科学中的可视化探索与内在维度估计

1. 可视化探索

在数据科学中，可视化探索是理解和分析数据的重要手段。

1.1 颜色映射

颜色映射在数据可视化中起着关键作用。不同类型的颜色映射适用于不同的场景：
- 亮度和饱和度变化 ：可以通过亮度或饱和度的规则变化来获得合适的颜色映射。经验研究表明，基于亮度的颜色渐变更适合映射高空间频率变化的变量，而基于饱和度（等亮度）的颜色渐变更适合低空间频率的变量。等亮度属性在三维表示中也很有用，因为亮度在感知上与立体深度相关。
- 顺序和发散颜色渐变 ：顺序颜色渐变从最小值到最大值连续变化，通常用单一色调和亮度或饱和度的单调变化来编码。相反，发散颜色渐变对应于围绕中心值（如零或变量的平均值）的对称变化，在中心值两侧使用两种相反的色调，并在远离中心值时亮度或饱和度单调变化。
- 现成颜色映射和定制工具 ：有许多由设计师手工制作的现成颜色映射，具有良好的感知特性，有些还对色盲友好。此外，也开发了一些工具，帮助普通用户自动构建适合其特定需求的个性化颜色映射。还有二维和三维颜色方案可用于表示两个或三个变量的共同演变。

1.2 多协调视图和视觉交互

数据的可视化探索不必依赖单一表示，可同时使用多个视图。
- 多视图类型 ：视图可以是相同类型的视觉编码，用于表示数据的不同特征，也可以是不同类型的表示。例如，可以将降维得到的二维散点图与高维数据的平行坐标表示相结合。
- 用户交互操作