Visualización y Análisis de Datos Tridimensionales Usando Gráficas de Conceptos Acumuladas
Autores: Ichino, Manabu; Umbleja, Kadri; Yaguchi, Hiroyuki
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Visualización y Análisis de Datos Tridimensionales Usando Gráficas de Conceptos Acumuladas
Categoría
Matemáticas
Subcategoría
Matemáticas aplicadas
Palabras clave
Herramienta de visualización
Método de cuantiles
Datos tridimensionales
Estructuras complejas
Patrones
Análisis de componentes principales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 13
Citaciones: Sin citaciones
Este documento presenta el Gráfico de Concepto Acumulado (ACG), una herramienta de visualización basada en el método de cuantiles diseñada para analizar datos de tres vías, incluidos los datos de distribución. Dichos datos a menudo tienen estructuras complejas que dificultan la identificación de patrones utilizando técnicas de visualización convencionales. El ACG representa cada objeto con uno o más gráficos de líneas monótonas. Como resultado, los datos de tres vías se visualizan como un conjunto de gráficos de líneas monótonas paralelas que nunca se intersectan. Esta propiedad de no intersección permite la fácil identificación de patrones tanto macroscópicos como microscópicos dentro de los datos. Demostramos la utilidad de los ACG y el análisis de componentes principales en el análisis de conjuntos de datos reales de tres vías.
Descripción
Este documento presenta el Gráfico de Concepto Acumulado (ACG), una herramienta de visualización basada en el método de cuantiles diseñada para analizar datos de tres vías, incluidos los datos de distribución. Dichos datos a menudo tienen estructuras complejas que dificultan la identificación de patrones utilizando técnicas de visualización convencionales. El ACG representa cada objeto con uno o más gráficos de líneas monótonas. Como resultado, los datos de tres vías se visualizan como un conjunto de gráficos de líneas monótonas paralelas que nunca se intersectan. Esta propiedad de no intersección permite la fácil identificación de patrones tanto macroscópicos como microscópicos dentro de los datos. Demostramos la utilidad de los ACG y el análisis de componentes principales en el análisis de conjuntos de datos reales de tres vías.