斯坦福 CS448B 15 解构可视化
TLDR
本文包含我对斯坦福 CS448B（数据可视化）课程的笔记，特别关注第十五讲关于解构可视化的内容。我将讨论分类、标记提取、数据提取和重新设计的重要性。
原文
笔记
课前思考
- 对于数据解释器项目，我们是否必须找到一个数据集并基于该数据集创建三个可视化，或者我们可以找一个我们感兴趣的高级主题，然后在该主题内使用不同 的数据集创建三个可视化？
- 在使用社交网络分析时，如何验证你的发现和/或确定你的发现是否具有统计显著性？图分析是否有类似于"p 值"的标准？[您是使用定性还是定量的有效性度量？]
- 如果我们可以将复杂概念分解为多个易于理解的图表[例如，分解为强连通组件]，为什么还要使用复杂图表？ 这难道不会有助于使结构更加直观吗？
像素是图表和图形的不良表示方式
无法对数据进行索引、搜索、操作或交互
目标：重建图表和图形的高级表示，使机器和人能够重新设计、重用和复兴它们
什么是好的表示？
方法
- 分类：确定图表类型
- 标记提取：检索图形标记
- 数据提取：检索底层数据表
分类
训练分类器
| 方法 | 准确率 |
|---|---|
| [Prasad 2007] 多类 SVM | 84% |
| ReVision: 多类 SVM | 88% |
| ReVision: 二元 SVM (每类型是/否) | 96% |
语料库
超过 2500 张带标签的图像和 10 种图表类型
ReVision 二元 SVM 提供 96%的分类准确率。
http://vis.berkeley.edu/papers/revision/
标记和数据提取
假设
仅限条形图和饼图
无阴影或纹理、3D、堆叠条形或分离的饼图
提取结果
数据提取误差
重新设计
局限性
图形叠加层
叠加在图表上以促进图表阅读所涉及的感知和认知过程的视觉元素
分类法
演示
参考结构
通过将标记分解为规则段并辅助读取轴值来提供帮助
高亮显示
吸引观众注意特定标记
冗余编码
强调数据值或趋势
汇总统计
能够与基于数据的统计进行比较
注释
提供上下文并支持协作
大多数叠加层只需要访问标记
- 参考结构（标记）
- 高亮显示（标记）
- 冗余编码（标记和数据）
- 汇总统计（标记）
- 注释（标记）
交互式文档
如何促进文本和图表的共同阅读？
目标：提取文本和图表之间的引用关系
问题：写作风格的多样性
示例1：皮尤研究中心
之前：
对资本主义的怀疑在巴西(22%)、中国(19%)、德国(29%)(尽管东德人的支持率低于西德人)和美国(24%)是最低的。对自由市场的怀疑在墨西哥(60%)和日本(60%)最高。
之后：
对资本主义的怀疑在巴西(22%)、中国(19%)、德国(29%)(尽管东德人的支持率低于西德人)和**美国(24%)是最低的。对自由市场的怀疑在墨西哥(60%)和日本(60%)**最高。
示例2：经济学人
之前：
随着高收入者的薪水和经济表现朝相反方向发展，他们引起了更多的反感。欧洲人和拉丁美洲人对富人的态度往往相似；盎格鲁-撒克逊世界稍微宽容一些。
之后：
随着高收入者的薪水和经济表现朝相反方向发展，他们引起了更多的反感。欧洲人和拉丁美洲人对富人的态度往往相似；盎格鲁-撒克逊世界稍微宽容一些。
评估
平均 F1 距离：专家指定的引用与群众指定的引用之间
解构 D3 图表
自动将 D3 代码转换为基于映射的表示，以实现重新设计和样式复用
自动重新设计
我们能否自动重新设计图表以改进
- 感知有效性？
- 视觉美学？
- 视障用户的可访问性？
许多专业收藏
- 科学：PLOS, JSTOR, ACM DL, ...
- 网络可视化：D3, Processing, ...
- 新闻：纽约时报，皮尤研究，...
解构如何辅助搜索？
- 按图表类型、数据类型、标记、数据等进行搜索
- 带有不精确匹配的相似性搜索
- 查询扩展
要点
图表是数据和标记之间的映射集合
我们可以从图表位图重建这种表示
这种重建能够实现重新设计、重用和复兴