Một lời giải thích dễ dàng cho âm mưu tọa độ song song

Tôi đã đọc và thấy rất nhiều lô tọa độ Song song. Ai đó có thể trả lời các câu hỏi sau đây không:

1. Các lô tọa độ song song (PCP) trong các từ đơn giản, để một giáo dân có thể hiểu là gì?
2. Một lời giải thích toán học với một số trực giác nếu có thể
3. Khi nào thì PCP hữu ích và khi nào sử dụng chúng?
4. Khi nào thì PCP không hữu ích và khi nào nên tránh?
5. Những lợi thế và bất lợi có thể có của PCP

Dường như đối với tôi, chức năng chính của PCP là làm nổi bật các nhóm cá nhân đồng nhất, hoặc ngược lại (trong không gian kép, bằng cách tương tự với PCA) các mô hình liên kết cụ thể trên các biến khác nhau. Nó tạo ra một bản tóm tắt đồ họa hiệu quả của một tập dữ liệu đa biến, khi không có quá nhiều biến. Các biến được tự động chia tỷ lệ thành một phạm vi cố định (thông thường là 0111) tương đương với làm việc với các biến được tiêu chuẩn hóa (để ngăn ảnh hưởng của một biến đến các biến khác do vấn đề mở rộng), nhưng đối với tập dữ liệu rất cao (# trong số các biến> 10), bạn chắc chắn phải xem các màn hình khác, như biểu đồ biến động hoặc sơ đồ nhiệt như được sử dụng trong nghiên cứu microarray.

Nó giúp trả lời các câu hỏi như:

• có bất kỳ mô hình nhất quán nào về điểm số cá nhân có thể được giải thích bởi tư cách thành viên nhóm cụ thể (ví dụ: khác biệt giới tính) không?
• có bất kỳ sự cộng hưởng hệ thống nào giữa các điểm được quan sát trên hai hoặc nhiều biến số (ví dụ: điểm thấp được quan sát trên biến $X_1$ luôn gắn liền với điểm số cao trên $X_2$)?

Trong sơ đồ sau đây của dữ liệu Iris , có thể thấy rõ rằng các loài (ở đây có màu khác nhau) thể hiện các cấu hình rất phân biệt khi xem xét chiều dài và chiều rộng của cánh hoa, hoặc Iris setosa (màu xanh) đồng nhất hơn với chiều dài cánh hoa của chúng ( tức là phương sai của họ thấp hơn), ví dụ.

Bạn thậm chí có thể sử dụng nó như một phụ trợ để phân loại hoặc các kỹ thuật giảm kích thước, như PCA. Thông thường, khi thực hiện PCA, ngoài việc giảm không gian tính năng, bạn cũng muốn làm nổi bật các cụm cá nhân (ví dụ: có những cá nhân có điểm số cao hơn một cách có hệ thống trên một số kết hợp các biến); điều này thường giảm bằng cách áp dụng một số loại phân cấp theo điểm số của yếu tố và làm nổi bật tư cách thành viên của cụm kết quả trên không gian giai thừa (xem gói FactoClass R).

Nó cũng được sử dụng trong các cụm (phân tích trực quan phân tích cụm không phân cấp và phân cấp ) nhằm mục đích kiểm tra cách phân bổ cụm phát triển khi tăng số lượng cụm (xem thêm, Tiêu chí dừng nào cho phân cụm phân cấp kết tụ được sử dụng trong thực tế? ).

Các màn hình như vậy cũng hữu ích khi được liên kết với các biểu đồ phân tán thông thường (do việc xây dựng bị hạn chế trong các mối quan hệ 2D), đây được gọi là đánh răng và nó có sẵn trong hệ thống hiển thị dữ liệu GGobi hoặc phần mềm Mondrian .

Liên quan đến câu hỏi 3, 4 và 5 tôi sẽ đề nghị bạn kiểm tra công việc này

Các mẫu nhận thức theo tọa độ song song: xác định ngưỡng để xác định mối quan hệ bằng cách: Jimmy Johansson, Camilla Forsell, Mats Lind, Matthew Cooper trong Thông tin trực quan, Tập. 7, số 2. (2008), trang 152-162.

Để tổng hợp những phát hiện của họ, mọi người đều đồng ý xác định hướng độ dốc của mối quan hệ giữa mỗi nút, nhưng không tốt trong việc xác định độ mạnh của mối quan hệ hoặc mức độ dốc. Họ đưa ra mức độ ồn được đề xuất trong đó mọi người vẫn có thể giải mã mối quan hệ trong bài viết. Thật không may, bài viết không thảo luận về việc xác định các nhóm con thông qua màu sắc như chl chứng minh.

Vui lòng truy cập http://www.cs.tau.ac.il/~aiisreal/ và cũng xem cuốn sách mới

Các tọa độ song song - Cuốn sách này nói về trực quan hóa, kết hợp một cách có hệ thống sự nhận biết mô hình con người tuyệt vời vào quá trình giải quyết vấn đề ... www.springer.com/math/cse/book/978-0-387-21507-5.

Ở Ch. 10 có rất nhiều ví dụ thực tế với dữ liệu đa biến cho thấy cách sử dụng tọa độ song song (abbr. || -cs). Cũng đáng học một số phép toán để hình dung và làm việc với các mối quan hệ đa biến / đa chiều (các bề mặt) và không chỉ các tập hợp điểm. Thật thú vị khi nhìn thấy và làm việc với các chất tương tự của các vật thể quen thuộc trong nhiều chiều, ví dụ như dải Moebius, bộ lồi và hơn thế nữa.

Tóm lại | | -cs là một hệ tọa độ đa chiều trong đó các trục song song với nhau cho phép nhìn thấy rất nhiều trục. Phương pháp này đã được áp dụng cho các thuật toán giải quyết Xung đột trong Kiểm soát không lưu, Tầm nhìn máy tính, Kiểm soát quy trình và Hỗ trợ quyết định.