Words&Contents

Home | Interactive Visual Data Analysis

Book Outline

這本書對視覺、互動和分析方法進行了系統而全面的概述，作為數據可視化方面比較好的讀物；?

目錄

Words&Contents

Book Outline

（一）Introduction

1.Basic Considerations

1.1 Visualization ，Interaction , and Computation

1.2 Five Ws of Interactive Visual Data Analysis

2.introductory Examples

2.1 Start Simple

2.2 Enhancing the Data Analysis

2.3 Consider Advanced Techniques

3.Book Outlines

---

（一）Introduction

信息時代，數據已經變成了一個非常有價值的商品，我們如何 make sense of data ? 如何利用分析數據從而得出一些有價值的信息？

1.Basic Considerations

對可視化的一些基本的術語給予一些認識：

1.1 Visualization ，Interaction , and Computation

?這個定義我認為對整個可視化的概括的更加全面，不僅僅是一次性的繪制圖，而是隨著insigt的揭露進行交互來不斷探究；

1.2 Five Ws of Interactive Visual Data Analysis

為了開發出有效的數據分析工具，必須考慮到該工具的使用環境。因而我們遵循five W的變體來進行探究：Ws: What, why, who, where, and when.

（1）What data are to be analyzed?

有許多中類型的數據，針對不同類型的數據有個體特征，例如數據規模、維度和異質性；

（2）Why are the data analyzed?

幫助人們實現目標，而對于目標即包含多種分析任務，例如識別數據值或者根據數據設定相關的模式；

（3）Who will analyze the data?

這個暫時個人理解是決策者才是需要分析數據的；

（4）Where will the data be analyzed?

普通的工作場所當然是具有顯示器、鼠標和鍵盤的經典桌面設置。然而，也有大型的顯示墻和交互式表面，為交互式可視化數據分析提供了新的機會。

（5）When will the data be analyzed?

絕大數是根據自身的需求所決定；

這5個Ws表明了數據分析的工具往往會受到多個因素的影響，對于What和Why這兩個因素的影響往往是至關重要的，這往往決定了我們的工作必須是針對某一個任務，即是定制的，不通用的。同時Who，即主觀的因素，感知能力、認知、背景知識和專業等也會影響視覺驅動和交互控制的工具。Where和When這兩個因素，影響不太大，但是當我們考慮到數據分析要在多個異構顯示上運行、支持協作會話或遵循針對特定領域的工作流時，這兩個因素可以起到很重要的作用，并且能夠使得工作具有更大的亮點，使得更加的專業。

2.introductory Examples

從一些基礎的可視化表示到一些高級的分析場景，不僅給出了交互式可視化的強大能力，并且也分析了設計的決策和挑戰。

2.1 Start Simple

一個簡單的例子，主要是針對于雨果《悲慘世界》中的人物關系圖，這種一般graph可以采用Node-Link diagram，只有圖表的結構很難把其中的關系顯示出來。圖中，每一個人物被可視化為一個節點，人物之間的關系表示為邊，這樣能夠比較明顯的表示該數據集中的關系。

針對每一個人物，根據數據集中表示的屬性，其中每個節點根據id來進行識別，對于邊來說，有權重、邊的起點和終點。因此，在圖中，邊的連接往往決定了節點人物的重要性，因而用顏色來進行編碼節點的度，當節點的度數越高，此時也用節點的大小來突出重要的人物；針對邊的權重這個性質，我們使用邊的寬度來表示，當邊的權重越高，說明這個關系較為重要，則邊越寬；

notes: 這里的布局主要采用的是強制定向布局算法（Force-directed Layout Algorithm），也稱為是力導向布局算法，是一種常用于圖形和網絡可視化的布局算法怕，它模擬了物理系統中的力和運動原理，通過相互作用的力來確定節點的位置。

2.2 Enhancing the Data Analysis

上述的算法對于較為簡單的數據集是非常好的，但是數據集相對復雜的時候就難以展示了，例如 climate networks，節點數量以及邊的連線會導致視覺混雜的問題；

2.3 Consider Advanced Techniques

綜上兩個小節，使用了動態過濾和多個視圖來對整個數據集有一個較為全面的overview，但是，使用交互式可視化分析數據也會有一些局限。可視化必須適應可用的顯示空間。交互不應該讓用戶做太多的事情。分析計算必須及時地產生結果。

當我們考慮到這兩個限制的時候，想出了兩個方法：

（1）指導用戶進行數據分析；

Some Questions are valued to be answered.

（2）擴大屏幕空間可視化。

可以考慮使用多個顯示屏或者多個用戶共同協作的方式來解決；

3.Book Outlines(見第一部分)

---

參考：