Build su Basic Scatterplots - dummies

I minatori di dati spesso sfruttano funzioni speciali per inserire più informazioni in grafici semplici. Etichette, sovrapposizioni e selezione interattiva sono le caratteristiche distintive delle applicazioni di data mining, caratteristiche speciali che ti consentono di essere più produttivo.

Il chilometraggio diminuisce all'aumentare della potenza, come mostrato nella figura seguente.

Il chilometraggio aumenta con il tempo, come puoi vedere, un grafico a dispersione di chilometraggio rispetto all'anno modello. Sarebbe utile mettere queste due idee in un unico grafico.

Gli approcci di data mining comuni per l'integrazione di più di due variabili in un grafico includono

• Etichette: Le etichette sono valori di una stringa o di una variabile categoriale che sono stati sovrapposti al grafico a dispersione. La seguente figura mostra un grafico a dispersione etichettato con l'anno modello dell'auto.

  

  I set di dati con molti punti o etichette lunghe possono rendere questi grafici illeggibili, però! La soluzione è utilizzare solo un campione dei dati. L'installazione per questo tipo di campionamento è mostrata nella figura seguente.

  

• Sovrapposizioni: Con sovrapposizioni, i valori di una variabile categoriale definiscono la forma o il colore dei punti. La figura seguente mostra l'impostazione di un grafico a dispersione per sovrapporre l'anno del modello sul grafico a dispersione chilometrico-potenza.

  

  Il grafico a dispersione sovrapposto esportato viene visualizzato nell'immagine seguente. Potrebbe essere più facile leggere le sovrapposizioni di colore rispetto alle sovrapposizioni di forme a punti. Di solito la configurazione è la stessa.

  

Un'altra cosa da tenere a mente con gli scatterplot: potresti avere più punti che cadono nello stesso punto! In tal caso, potresti non essere in grado di distinguere un punto per un caso da un punto per 100 casi. Il rimedio è verificare l'opzione per rendere visibili più istanze. Cerca le dimensioni del punto o jitter (sposta leggermente i punti dalle loro posizioni reali per renderle visibili).

I grafici a dispersione interattivi sono grandi risparmi di tempo per i minatori di dati.

Dì che vedi un gruppo interessante di casi in un grafico e vuoi indagare ulteriormente solo su quei casi. Se stai guardando solo uno o due punti, potresti ottenere le informazioni che desideri passando con il mouse, ma ciò non è soddisfacente se sei interessato a più di un paio di punti.

Gli strumenti di selezione dei dati in scatterplot interattivi offrono maggiore potenza per selezionare i dati. La figura seguente mostra la stessa impostazione del grafico, ma con un gruppo di punti selezionati facendo clic e trascinando il mouse su di essi. Questa non è solo una caratteristica visiva.

È possibile esportare i punti selezionati come un nuovo set di dati. Questo è molto utile e veloce!

Se i punti che ti servono non si adattano bene a una selezione rettangolare, hai altre opzioni. Fare riferimento all'area Zoom / Seleziona. Puoi vedere un pulsante con un rettangolo per la selezione rettangolare e un altro con una forma tondeggiante per la selezione in forma libera.

Ecco un esempio di selezione in formato libero che utilizza i dati sul contenuto di nicotina delle sigarette vendute in diverse parti del mondo. Questo grafico a dispersione mostra la nicotina per sigaretta per i campioni delle sei regioni delle Nazioni Unite. (Questo è un uso non tradizionale di un grafico a dispersione, perché la regione non è una variabile continua, è categoriale. I minatori di dati utilizzano spesso strumenti tradizionali in modi non tradizionali.)

I punti all'interno di una regione non cadono in una linea verticale perfetta. I piccoli spostamenti (jitter) a sinistra ea destra sono fatti solo per la leggibilità e l'aspetto. Alcune sigarette hanno livelli eccezionalmente alti di nicotina e tu vuoi selezionare quei casi.

Un menu a discesa offre opzioni di selezione. La selezione del poligono consente di contrassegnare un'area a forma libera sul grafico a dispersione.

Per contrassegnare, fare clic sul grafico per creare un punto di partenza, quindi fare clic di nuovo e di nuovo intorno al gruppo di punti desiderato fino a quando non si è creata la forma desiderata.

Un clic con il tasto destro indica che hai completato la selezione; questo è visibile dal momento clou sul grafico.