| 显示国家开放大学系统国家开放大学数据可视化技术所有答案 |
|
请你设计一个简单的医疗卫生数据可视化系统，谈谈你的设计思路。
|
答案是：写出医疗卫生数据可视化系统需要实现的功能，如病人监测、统计分析、门诊发布等。写出需要完成的主要页面，例如门诊流量监测、病房床位占用率监测、各科室诊断量统计分析等页面。具体阐述每个页面具体展示的内容。
|
|
常见的高维可视化方法有哪些特点？
|
答案是：常见的高维数据可视化方法包括：基于点的方法，基于线的方法，基于区域的方法和基于样本的方法。
|
|
简述高维数据可视化有哪些特点？
|
答案是：（1）对于高维多元数据，以统计和基本分析为主的可视化系统分析能力不足。
（2）数据复杂度大大增加，包括非结构化数据和从多个数据源采集、整合而成的异构数据，传统单一的可视化方法无法支持对此类复杂数据的分析。
（3）数据的大尺度已经超越了单机、外存模型甚至小型计算集群处理能力的极限，当前软件与工具效率不高，可处理的数据尺度大约在GB级别，需要采用全新思路来解决数据大尺度的挑战。
（4）数据获取和处理中，不可避免会产生数据质量的问题，其中特别需要关注的是数据的不确定性。
（5）数据快速动态变化，常以流式数据形式存在，对流数据的实时分析与可视化仍然是个急需解决的问题。
|
|
Echarts可视化编程代码中，var option = {…}中填入的信息有什么作用？
|
答案是：指定图表的配置项和数据
|
|
同样是编程类的可视化工具，试比较ECharts.js和D3.js两者的优缺点。
|
答案是：ECharts.js是由百度研发的可视化工具，图表丰富，上手相对容易，简单的图表都可以通过ECharts.js快速完成；D3.js是在专业领域广泛应用的可视化工具，入门相对复杂，在一定的专业知识加持下，基本可以完成任何图表的制作。
|
|
简述基本数据的数据可视化方法
|
答案是：柱状图、直方图、饼图、折线图、散点图
|
|
简述数据可视化流程中的三个核心要素
|
答案是：1.数据表示与转换：将原始数据变换成一种结构化的形式，保持数据的特性和内容，并合成不同来源、不同类型的信息为一个统一的表示。
2.数据的可视化呈现：选择最合适的视觉编码形式，从众多的呈现多样性空间中选择最合适的编码形式，考虑感知与认知系统的特性、数据本身的属性和目标任务。
3.用户交互：智能、适用于海量数据可视化的交互技术仍然是一个未解难题，需要克服不同类型的显示环境和不同任务带来的可扩充性难点。
|
|
简述设计制作一个可视化视图的三个主要步骤。
|
答案是：确定数据到图形元素（即标记）和视觉通道的映射；
视图的选择与用户交互控制的设计；
数据的筛选，即确定在有限的可视化视图空间中选择适当容量的信息进行编码，以避免在数据量过大情况下产生的视觉混乱。
|
|
属性规约的方法有哪些。
|
答案是：合并属性、逐步向前选择、逐步向后删除、决策树归纳和主成分分析。
|
|
数据变化的形式有哪些。
|
答案是：简单函数变化，规范化，连续属性离散化，属性构造，小波变换（并针对每部分进行简单介绍）
|
|
数据异常值处理的方法有什么
|
答案是：删除有异常值的记录：直接将含有异常值的记录删除
视为缺失值：将异常值视为缺失值，利用缺失值处理的方法进行处理
平均值修正：可用前后两个观测值的平均值修正该异常值
不处理：直接在具有异常值的数据集上进行挖掘建模。
|
|
数据处理的流程是什么
|
答案是：数据获取——数据预处理——数据特征提取——数据统计分析——数据存储（并针对每部分做一两句简单介绍）。
|
|
简要叙述一下常规数据分析的步骤。
|
答案是：第一步，探索性数据分析，通过数据拟合、特征计算和作图造表等手段探索规律性的可能形式，确定相适应的数据模型和数值解法；第二步，模型选定分析，在探索性分析的基础上计算若干类模型，通过进一步分析挑选模型；第三步，推断分析，使用数理统计等方法推断和评估选定模型的可靠性和精确度。
|
|
简要介绍一下信息可视化及其分类。
|
答案是：信息可视化处理的对象是抽象的、非结构化数据集合（如文本、图表、层次结构、地图、软件、复杂系统等）。传统的信息可视化起源于统计图形学，又与信息图形、视觉设计等现代技术相关。其表现形式通常在二维空间，因此关键问题是在有限的展现空间中以直观的方式传达大量的抽象信息。与科学可视化相比，信息可视化更关注抽象、高维数据。此类数据通常不具有空间中位置的属性，因此要根据特定数据分析的需求，决定数据元素在空间的布局。因为信息可视化的方法与所针对的数据类型紧密相关，所以通常按数据类型可以大致分为时空数据可视化、层次与网络结构数据可视化、文本和跨媒体数据可视化以及多变量数据可视化。
|
|
请你设计一个简单的地铁客流量可视化系统，谈谈你的设计思路。
|
答案是：写出地铁客流可视化系统需要实现的功能，如客流监测、统计分析、预警发布等。写出需要完成的主要页面，例如线网客流监测、站点客流监测、客流统计分析等页面。具体阐述每个页面具体展示的内容。
|
|
17.编写ECharts可视化程序的第一步是引入ECharts库，已知ECharts库的存放地址为./js/Echarts.js，请写出引入ECharts库的代码。
|
答案是：
|
|
按照下表的数据实现一个折线图，只用写出option部分的代码。
一年级 二年级 三年级 四年级 五年级 六年级
56 43 84 65 71 89
|
答案是：option = {
xAxis: { //设置X轴
type: 'category',
data: ['一年级', '二年级', '三年级', '四年级', '五年级', '六年级']
},
yAxis: { //设置Y轴
type: 'value'
},
series: [{
data: [56, 43, 84, 65, 71, 89],
type: 'line'
}]
|
|
环形树形图采用的径向布局能够克服空间浪费的问题。径向布局根部节点位于圆心，不同层次的节点被放置在半径不同的同心圆上。这种环状径向树方法的特点是随着层次的深入，子节点的空间占位逐渐变小。下左图展示的是周杰伦微博热搜的相关话题。从图中能够清晰地
|
答案是：矩形树图、旭日图等均可。
|
|
该实例是球员使用率和场均得分的散点图。可以看出数据点、拟合线、网格和标签都用同样的颜色，线条粗细也一样，没有呈现出一个清晰的视觉焦点，所有的视觉元素都在同一个层次上。请根据数据墨水比的概念设计该散点图，使其看起来具有视觉层次。谈谈你的设计思
|
答案是：（1）网格线变细，使它们看上去不再像拟合线一样粗。希望突出数据，而网格线粗细交替，很容易定位每个数据点在坐标系中的位置，使它们不会像第一张图中那样模糊不清。（2）把数据点和拟合线的颜色换成和网格线不一样的颜色。使数据更为突出，加粗的拟合线也更清楚地呈现了在数据点之上。
（3）减少网格线，数值标签加粗。粗体标签让人一下子就明白了图表说的是什么，同样，会注意到突出的网格线越来越少，把图表的焦点进一步引向了上升的趋势。
|
|
写出数据区域缩放组件dataZoom的作用。
|
答案是：dataZoom可以对坐标轴（axis）进行数据窗口缩放和平移操作，实现既可以概览数据整体，又能按需关注数据细节。
|
|
简要介绍一下异步加载数据的方法。
|
答案是：如当数据不断变化，需要实时加载时，无法提前存入显示的数据，就需要异步加载填入数据。ECharts中实现异步数据的更新非常简单，图表初始化后，在任何时候，只要通过jQuery等工具异步获取数据后，通过setOption填入数据和配置项即可。
|
|
简述常见的高维数据可视化方法。
|
答案是：空间映射法中的散点图矩阵、表格透镜可视化和平行坐标图可视化，图标法，像素法。
|
|
简要介绍和弦图的基本用法
|
答案是：和弦图可以显示不同实体之间的相互关系和彼此共享的一些共通之处，因此这种图表非常适合用来比较数据集或不同数据组之间的相似性。节点围绕着圆周分布，点与点之间以弧线或贝塞尔曲线彼此连接以显示当中关系，连接两个数据点的弧线可以以颜色、弧线与圆的接触面积大小为不同的维度，表达不同的数值。
|
|
请说出数据可视化方法的基本类型。
|
答案是：数据关系、数据分布、局部整体、时间序列、地理信息
|
|
请写出常用的几种编程类可视化工具，写出各自的优缺点。
|
答案是：ECharts、D3、R语言。
优缺点：ECharts优点是开源，使用简单，支持按需求打包，支持地图功能，可支持绘制大量数据。缺点是体积较大，可定制性较差。D3优点是可以图形化地、生动地展现数据、高度自由定制想要的效果、开源，缺点是入门门槛高，对编程能力要求高。R语言优点是支持多种分析运算功能，缺点是需要一定的编程能力。
|
|
举例说明基本的数据可视化方法适用的应用场景。
|
答案是：（1）例如：柱状图是最常见的图表，也最容易解读，它的适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。
（2）例如：直方图是一种统计报告图，是对数据集的某个数据属性的频率统计。
（3）例如：饼图主要用于展现不同类别数值相对于总数的占比情况。饼图适合用来展示单一维度数据的占比，要求其数值中没有零或负值，并确保各分块占比的总和为100%。
（4）例如：折线图适合二维的大数据集，尤其是在趋势比单个数据点更重要的场合，可以将排列在工作表的列或行中的数据绘制到折线图中。
（5）例如：散点图是表示二维数据的标准方法。散点图矩阵是散点图的高维扩展，用来展现高维（大于二维）数据属性分布。可以表达属性对之间的关系
|
|
可视化设计需要遵循哪些正确的原则。
|
答案是：包括：数据到可视化的直观映射、视图选择与交互设计、信息密度——数据的筛选、美学因素、动画与过渡效果、可视化隐喻、颜色与透明度
（1）数据到可视化的直观映射：可视化的核心作用是使用户在最短的时间内获取数据所表达的信息。直接观察抽象的数据显然无法使人快速获取数据想表达的信息，因此选择合适的从数据到可视化元素的映射，可以提高可视化设计的可用性和功能性。
（2）视图选择与交互设计：对于简单的数据，使用一个基本的可视化视图就可以展现数据的所有信息，而对于复杂的数据，需要使用较为复杂的可视化视图，甚至为此发明新的视图，以有效地展示数据中所包含的信息。
（3）信息密度——数据的筛选：设计者必须决定可视化视图所包含的信息量。
（4）美学因素：具有更多美感的可视化设计显然更加容易吸引用户的注意，并促使其进行更深入的探索，因此，优秀的可视化必然是功能与形式的完美结合。
（5）动画与过渡效果：动画与过渡效果是可视化系统中常用的技术，通常用于增强可视化结果视图的丰富性与可理解性，或增加用户交互的反馈效果，使交互操作自然、连贯。
（6）可视化隐喻：隐喻有助于增强可视化用户对故事的理解，在情感上也更加容易让用户产生共鸣，体现出可视化设计的人本思想。
（7）颜色与透明度：在数据可视化设计中，合理利用色彩可以增强可视化设计的感知效果，调动观赏者的情绪。
|
|
格式塔理论包括哪些原则？试分别概述这些原则。
|
答案是：包括贴近原则、相似原则、连续原则、闭合原则、共势原则、好图原则、对称性原则、经验原则。
（1）贴近原则：当视觉元素在空间距离上相距较近时，人们通常倾向于将它们归为一组。
（2）相似原则：人们在观察事物时，通常把那些明显具有共同特性的事物组合在一起，虽然实际上事物本身并不存在分组的意图。
（3）连续原则：人们在观察事物时会很自然地沿着物体的边界，将不连续的物体视为连续的整体，通过找到非常微小的共性将两个不同的图形连接成一个整体。
（4）闭合原则：在某些视觉映象中，其中的物体可能是不完整的或者不是闭合的，但格式塔心理学认为，只要物体的形状足以表征物体本身，人们就会很容易地感知整个物体，而忽视未闭合的特征。
（5）共势原则：共势原则是指如果一组物体具有相同的运动趋势或相似的排列模式，人眼就会将它们识别为同一类物体。
（6）好图原则：好图原则是指人眼通常会自动将一组物体按照简单、规则、有序的元素排列方式进行识别。
（7）对称性原则：对称性原则是指人的意识倾向于将物体识别为沿某个点或某条轴对称的形状。
（8）经验原则：经验原则是指在某些情形下视觉感知与过去的经验有关。
|
|
简述数据可视化基本流程中的核心要素。
|
答案是：数据可视化基本流程中的核心要素包括三个方面：数据表示与变换、数据的可视化呈现、用户交互。
数据表示与变换：数据可视化的基础是数据表示和变换。为了允许有效的可视化、分析和记录，输入数据必须从原始状态变换到一种便于计算机处理的结构化数据表示形式。
数据的可视化呈现：将数据以一种直观、容易理解和操作的方式呈现给用户，需要将数据转换为可视表示并呈现给用户。
用户交互：交互是通过可视的手段辅助分析决策的直接推动力
|
|
数据预处理的流程是什么。
|
答案是：数据清洗--数据集成--数据变换--数据规约（并针对每部分做一两句简单介绍）。
|
|
请简单概括数据可视化与其他学科领域的关系。
|
答案是：数据可视化与信息图形、科学可视化、统计图形等密切相关，并且是数据科学中的一个重要环节
|
|
简述数据可视化的意义。
|
答案是：可视化将不可见或难以直接显示的数据转化为可感知的图形、符号、颜色、纹理等，以增强数据的识别效率，传递有效信息。使复杂的、看似无法解释的相关数据建立联系，从其中发现规则和特征，获取更有价值的信息
|
|
散点图是一种多变量图表，是气泡图的变体，也可以认为是气泡图和百分比区域图的组合
|
答案是：错误
|
|
数据分布型图表主要显示数据集中的数值及其出现的频率或者分布规律，包括统计直方图、核密度曲线图、箱型图、小提琴图、韦恩图、树状图等
|
答案是：错误
|
|
数据流向型图表只用于展示三个以上的状态、情境之间的流动量或流动强度，包括网络图、和弦图、桑基图、蜂巢图等。其中，网络图可以展示出不同类型对象之间的关系强度和内部关联关系
|
答案是：错误
|
|
非编程类可视化方法包含Excel、Tableu、OpenDX、Gephi及R语言等
|
答案是：错误
|
|
编程类可视化方法包含Echarts.js、D3.js、及Gephi等
|
答案是：错误
|
|
对于动态数据的可视化，只需要研究新的软件算法即可
|
答案是：错误
|
|
数据可视化的基础是数据存储和备份。
|
答案是：错误
|
|
设计者在选择数据到可视化元素的映射时应该优先考虑数据的数量和复杂度
|
答案是：错误
|
|
格式塔心理学认为，整体等于部分之和，意识等于感觉元素的集合，行为等于反射弧的循环。
|
答案是：错误
|
|
在数据预处理过程中，需要将所有异常值剔除。
|
答案是：错误
|
|
数据可视化和数据分析与数据挖掘的目标都是从数据中获取信息与知识，且手段相同
|
答案是：错误
|
|
在轨道交通异常客流可视化分析系统中设计了三种可视化视图，分别为：异常客流检测、异常客流验证以及异常扩散可视化。
|
答案是：正确
|
|
在面向公交的可视化交叉检索系统中，在进行交通出行关键特征提取的基础上，设计了可视化时空检索模块、乘客出行关联分析模块以及乘客出行轨迹可视化模块3个可视化模块。
|
答案是：正确
|
|
用二维统计直方图、箱型图、金字塔图进行数据可视化，可以展现数据的整体面貌
|
答案是：正确
|
|
在数据可视化过程中，可以选用克利夫兰点图、南丁格尔玫瑰图、径向柱形图、雷达图等图表类型表征数据的比较与对照
|
答案是：正确
|
|
时间序列型图表强调数据随时间的变化规律或者趋势，X轴一般为时序数据，Y轴为数值型数据，包括折线图、面积图、雷达图、日历图、柱形图等
|
答案是：正确
|
|
局部整体图表能够显示出局部组成成分与整体的占比信息，主要包括饼图、圆环图、旭日图、华夫饼图、矩形树状图等
|
答案是：正确
|
|
根据不同的侧重点，数据可视化方法的基本类别介绍五类图表类型，数据关系、数据分布、局部整体、时间序列、地理空间
|
答案是：正确
|
|
图例组件legend、标题组件title、视觉映射组件visualMap、数据区域缩放组件dataZoom、时间线组件timeline等均为Echarts中的非交互组件
|
答案是：正确
|
|
Echarts中常用的基本可视化方法包含柱状图、折线图、饼图、散点图、气泡图及仪表盘等
|
答案是：正确
|
|
利用Echarts进行数据可视化时，可以通过dataZoom组件对数轴（axis）进行『数据窗口缩放』『数据窗口平移』操作
|
答案是：正确
|
|
python语言具有丰富的可视化库，一些R中的第三方绘图包也可以和python连接，比如说ggplot。
|
答案是：正确
|
|
大数据环境下可视化相关工具包含matplotlib、pandas、seaborn等
|
答案是：正确
|
|
在数据到可视化的映射中，将温度或密度映射为颜色是直观易懂的
|
答案是：正确
|
|
数据可视化的设计简化为四个级联的层次，分别为问题刻画层、抽象层、编码层、创建正确完成系统设计的算法的层次
|
答案是：正确
|
|
数据清理指的是通过一些操作，清理信用数据中的空缺、噪声、异常数据等。其具体操作包括空缺值处理，噪声、异常数据的处理等。
|
答案是：正确
|
|
属性规约的目标是寻找出最小的属性子集并确保新数据子集的概率分布尽可能地接近原来数据集的概率分布。
|
答案是：正确
|
|
基于小波变换的特征提取方法主要有：基于小波变换的多尺度空间能量分布特征提取、基于小波变换的多尺度空间的模极大值特征提取、基于小波包变换的特征提取、基于适应性小波神经网络的特征提取。
|
答案是：正确
|
|
目前为：
1/4
页
首页 上页 下页 尾页
|
