Difference between revisions of "Orange: Radviz"

From OnnoWiki
Jump to navigation Jump to search
Line 20: Line 20:
 
[[File:Radviz-Brown.png|center|600px|thumb]]
 
[[File:Radviz-Brown.png|center|600px|thumb]]
  
Just like all point-based visualizations, this widget includes tools for intelligent data visualization (VizRank, see Leban et al. 2006) and an interface for explorative data analysis - selection of data points in visualization. Just like the Scatter Plot widget, it can be used to find a set of variables that would result in an interesting visualization. The Radviz graph above is according to this definition an example of a very good visualization, while the one below - where we show an VizRank’s interface (Suggest features button) with a list of 3-attribute visualizations and their scores - is not.
+
Sama seperti semua visualisasi berbasis poin, widget RadViz mencakup tool untuk intelligent data visualization (VizRank, lihat Leban et al. 2006) dan interface untuk explorative data analysis - pemilihan titik data dalam visualisasi. Sama seperti widget Scatter Plot, widget RadViz dapat digunakan untuk menemukan satu set variabel yang akan menghasilkan visualisasi yang menarik. Grafik Radviz di atas sesuai dengan definisi ini contoh dari visualisasi yang sangat baik, sedangkan yang di bawah ini - di mana kami menunjukkan interface VizRank (tombol Suggest feature) dengan daftar visualisasi 3-atribut dan nilainya - tidak semenarik gambar di atas.
  
 
[[File:Radviz-Brown-2.png|center|600px|thumb]]
 
[[File:Radviz-Brown-2.png|center|600px|thumb]]

Revision as of 07:08, 11 April 2020

Sumber: https://docs.biolab.si//3/visual-programming/widgets/visualize/radviz.html

Widget Radviz mem-visualisasi dengan explorative data analysis dan intelligent data visualization enhancement.

Input

Data: input dataset
Data Subset: subset of instances

Output

Selected Data: instances selected from the plot
Data: data with an additional column showing whether a point is selected
Components: Radviz vectors

Radviz (Hoffman et al. 1997) adalah teknik visualisasi multi-dimensi non-linear yang dapat menampilkan data yang didefinisikan oleh tiga variabel atau lebih dalam proyeksi 2 dimensi. Variabel yang divisualisasikan disajikan sebagai titik anchor (jangkar) dengan jarak yang sama di sekitar keliling unit lingkaran. Contoh data ditampilkan sebagai titik di dalam lingkaran, dengan posisi mereka ditentukan oleh metafora dari fisika: setiap titik dipegang di tempat dengan pegas yang terpasang di ujung lain ke variabel anchor (jangkar). Kekakuan masing-masing pegas sebanding dengan nilai variabel yang sesuai dan titik berakhir pada posisi di mana gaya pegas berada dalam kesetimbangan. Sebelum visualisasi, nilai-nilai variabel diskalakan untuk berada di antara 0 dan 1. Data instance yang dekat dengan serangkaian variabel anchor (jangkar) memiliki nilai lebih tinggi untuk variabel-variabel ini daripada yang lain.

Cuplikan yang ditunjukkan di bawah ini menunjukkan widget Radviz dengan visualisasi dataset dari functional genomics (Brown et al. 2000). Dalam visualisasi khusus ini instance data diwarnai sesuai dengan class yang sesuai, dan ruang visualisasi diwarnai sesuai dengan probabilitas class yang dihitung. Perhatikan bahwa visualisasi khusus dengan sangat baik memisahkan data instance dari class yang berbeda, membuat visualisasi menarik dan sangat informatif.

Radviz-Brown.png

Sama seperti semua visualisasi berbasis poin, widget RadViz mencakup tool untuk intelligent data visualization (VizRank, lihat Leban et al. 2006) dan interface untuk explorative data analysis - pemilihan titik data dalam visualisasi. Sama seperti widget Scatter Plot, widget RadViz dapat digunakan untuk menemukan satu set variabel yang akan menghasilkan visualisasi yang menarik. Grafik Radviz di atas sesuai dengan definisi ini contoh dari visualisasi yang sangat baik, sedangkan yang di bawah ini - di mana kami menunjukkan interface VizRank (tombol Suggest feature) dengan daftar visualisasi 3-atribut dan nilainya - tidak semenarik gambar di atas.

Radviz-Brown-2.png

Referensi

Hoffman, P. E. et al. (1997) DNA visual and analytic data mining. In the Proceedings of the IEEE Visualization. Phoenix, AZ, pp. 437-441.

Brown, M. P., W. N. Grundy et al. (2000). “Knowledge-based analysis of microarray gene expression data by using support vector machines.” Proc Natl Acad Sci U S A 97(1): 262-7.

Leban, G., B. Zupan et al. (2006)