可视化分析
可视化分析是一门由交互式可视化界面支持的分析推理科学，它将人类判断与自动化数据分析相结合，以理解大型、复杂的数据。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
可视化分析是将自动化分析技术与交互式可视化相结合，以支持分析推理，使人们能够通过人机协作过程探索、理解大型复杂数据集并从中得出结论。
Scope
本主题涵盖了可视化与计算分析的整合：自动化方法与交互式可视化探索交织的可视化分析过程、对意义建构和假设生成的支持，以及对大型、异构和不确定数据的处理。它不包括静态编码或单独的交互技术（这些在各自的主题下处理），也不包括机器学习算法本身（这些属于人工智能范畴）。
Core questions
- 可视化分析如何将人类推理与自动化分析相结合？
- 意义建构过程是什么？工具如何支持它？
- 可视化分析过程如何被构建为一个迭代循环？
- 如何处理数据中的规模、异构性和不确定性？
Key concepts
- 分析推理
- 意义建构
- 可视化分析过程
- 人机协作分析
- 信息觅食
- 自动化分析集成
- 假设生成
- 分析中的不确定性
Key theories
- 可视化分析议程与过程
- 可视化分析被定义为通过将交互式可视化与自动化分析紧密结合来检测预期并发现意外；其过程在模型、可视化和人机交互之间迭代，以提炼洞察力。
- 意义建构与分析循环
- Pirolli和Card将分析师的意义建构建模为信息觅食和构建与测试假设的循环，并确定了可视化和计算工具最有帮助的杠杆点。
- 人机协作与自动化
- 可视化分析并非完全自动化分析，而是将人置于循环中，利用计算来总结和呈现模式，同时依靠人类判断进行解释、提供背景信息和做出决策。
Clinical relevance
可视化分析工具帮助情报、网络安全、公共卫生和商业智能等领域的分析师理解那些对于单独的可视化或自动化而言过于庞大或复杂的数据，通过将计算能力与人类洞察力相结合来支持决策。
History
可视化分析在2005年的研究议程《Illuminating the Path》中被命名和定义，其动机是需要分析海量异构数据。Keim及其同事完善了其定义和过程，而Pirolli和Card等人的意义建构模型则将其植根于认知理论，从而将可视化分析确立为一个连接可视化、分析和人类推理的领域。
Key figures
- James J. Thomas
- Kristin A. Cook
- Daniel A. Keim
- Peter Pirolli
- Stuart K. Card
Related topics
Seminal works
- thomas2005
- keim2008
- pirolli2005
Frequently asked questions
- 可视化分析与信息可视化有何不同？
- 信息可视化侧重于将数据以视觉方式呈现以供人类感知。可视化分析则更为广泛，它将这些可视化与统计学和机器学习等自动化分析方法整合到一个交互式循环中，使人类推理和计算能够共同解决大型复杂问题。
- 为什么要在分析中保留人机协作而不是完全自动化？
- 自动化方法在发现大数据中的模式方面功能强大，但缺乏上下文、判断力以及提出正确问题的能力。可视化分析使人们能够控制解释和决策，同时利用计算来处理规模，从而结合了两者的优势。