Свързани публикации 'data-visualization'
Откриване на екстремни събития с данни
Автоматично откриване и разбиране на екстремни събития в данните от реалния свят
Когато анализираме данни, често мислим за показатели на високо ниво - колко приходи сме генерирали вчера? Колко потребители направиха заявка за тази крайна точка на API? Колко пъти е закупен този продукт?
Но понякога тези показатели на високо ниво могат да станат силно изкривени от екстремни събития.
Например грешка при обработката на код за отстъпка може да позволи на клиент да плати с пазарска..
Създаване на интерактивни визуализации на тематичен модел в Python с помощта на UMAP и BokehJS
Напоследък работя усилено с Тематично моделиране в работата си като Data Scientist. Ресурсите за създаване на тематични модели с помощта на алгоритми (напр. LDA, LSI, NMF) са изобилни и полезни. Въпреки това останах да искам добри начини да визуализирам моите модели на теми и да ги осмисля, докато не попаднах на библиотеката umap-learn Python.
В тази публикация имам за цел да премина през процеса на създаване на интерактивни визуализации, за да осмисля неструктурираните данни с помощта на..
4 неща, които трябва да знаете, за да разберете по-добре Matplotlib
Запознаване с една от оригиналните библиотеки за визуализация на данни на Python
Matplotlib беше един от първите инструменти, за които научих в моето пътуване в науката за данни. Бях изумен от това как позволява персонализиране на почти всяка малка част от визуализацията на данни.
От друга страна, синтаксисът му изглеждаше сложен и труден за разбиране. Знаех, че мога да направя нещо, но отне известно време, за да разбера как да го направя. Чувствах се по-удобно да работя с..
PCA (Анализ на основните компоненти), приложен към изображения на лица
PCA е много полезно за редуциране на много измерения в по-малък набор от измерения, тъй като хората не могат да визуализират данни в повече от 3 измерения, обикновено е полезно да се намалят многомерните набори от данни в 2 или 3 измерения и да се изобразят в графики, за да се разбере по-добре данните.
В този блог Келвин обяснява как PCA може да се използва за намаляване на размерите на набор от данни на Титаник от 9 измерения на 3 измерения и ги начертава на интерактивна графика:..
Доколко късметът е включен в процеса на наемане?
Процесът на наемане може да бъде ужасен и нечестен. За съжаление не винаги се наема най-добрият или най-здравият. Понякога дори никой не се наема. Това е игра, в която участват много фактори и повечето от тях са външни и невидими. има ли надежда Мисля, че има.
Въпросът, който планирам да проуча, е късметът. Ако познавам нещата си и изпълня страхотно интервю (използвайки сребристия си език), трябва да ме наемат, нали? Това е безсмислено. За съжаление не е така. Нека да преминем..
Мярка за асиметрия
Изкривяване: По принцип изкривяването показва къде са концентрирани данните в нашите набори от данни. Той измерва асиметрия или изкривяване на симетрично разпределение. Също така, той измерва отклонението на даденото разпределение на случайна променлива от симетричното разпределение. Като нормално разпределение.
Изкривяването би било много по-лесно за нас, ако имаме ясно разбиране за средната стойност, медианата и модата.
Има три типа изкривяване, изкривяване надясно,..
Джулия Визуализация на данни: Създаване на зашеметяващи диаграми и табла за управление
Визуализацията на данни е важна част от анализа и интерпретацията на данни. Тя ви позволява да предавате сложна информация във визуален формат, който е лесен за разбиране. Julia, език за програмиране на високо ниво с висока производителност за технически изчисления, предлага различни библиотеки и инструменти за създаване на зашеметяващи диаграми и табла за управление. В тази статия ще проучим как да извършим визуализация на данни в Julia.
Защо Визуализация на данни в Джулия?
Julia..
