Dados Multivariados

Boas práticas

Representações visuais

análises multivariadas = comparações complexas entre múltiplas instâncias sob o ponto de vista de múltiplas variáveis

Representações hierárquicas

Representações iconográficas

Projeções geométricas

Técnicas orientadas a pixels

Busca de projeções 2D para dados multidimensionais

Úteis na detecção de exceções e ainda de correlações entre diferentes dimensões

MATRIZES DE GRÁFICOS DE DISPERSÃO

Matriz de scatterplots é útil para mostrar correlações entre pares de variáveis

técnicas de brushing e linking são muitos úteis para a identificação dos itens nos diversos plots

COORDENADAS PARALELAS

conjunto de pontos em um espaço n-dimensional, um plano é desenhado e sobre ele n linhas verticais paralelas e igualmente espaçadas.

extremamente complexos

Apesar de cada coluna representar uma variável diferente, a conexão entre elas revela o padrão multivariado

Andrew curves

Cada ponto é representado por uma curva obtida por uma transformada de Fourrier

Coordenadas paralelas

COORDENADAS ESTRELA

cálculo das posições dos pontos no novo sistema de coordenadas

MAPAS DE CALOR

Cada coluna representa uma variável

Diferentes instâncias são representadas em linhas

Células verdes indicam valores acima da média e vermelhos
abaixo

variações de cores para indicar quantidades

Subdividem o espaço e apresentam sub-espaços

eixos hierárquicos, eixos ortogonais são representados horizontalmente de maneira hierárquica

mapeamento de objetos multidimensionais em ícones ou glifos

GLIFOS: objetos gráficos compostos por um conjunto de atributos visuais

FACES DE CHERNOFF: reconhecer similaridades entre faces

WHISKERS: m múltiplas linhas irradiando de um ponto central cada qual representando o valor de uma variável através do comprimento das linhas

GLIFOS ESTRELA: ou gráficos de radar são semelhantes aos whiskers

representação de um atributo por um pixel baseado em alguma escala de cores: cada cor indica um valor possível

Para um conjunto de dados n-dimensional, n pixels coloridos são necessários para representar cada item

e técnicas de ordenação e agrupamento dos itens por similaridade

auxiliar na descoberta de padrões interessantes nos dados

redução de dimensionalidade como MDS, SVD ou PCA devem ser usadas para posicionar os objetos em espaço 2D preferencialmente

Use regiões de referência para que s diferentes gráficos sejam mais efetivamente comparáveis