24 votos

¿Son mapas de calor "uno de los tipos menos eficaces de visualización de datos"?

Pregunta: Cuando (por lo que los tipos de datos de problemas de visualización) son mapas de calor más eficaz? (En particular, más eficaz que todas las otras posibles técnicas de visualización?)

Cuando son los mapas de calor menos eficaz?

Hay patrones comunes o reglas de oro que se pueden usar para decidir si es o no un mapa de calor es probable que sea una manera eficaz de visualizar los datos, y cuando ellos tienden a ser ineficaces?

(Principalmente tengo en mente mapas de calor para 2 variables categóricas y 1 variable continua, pero también estoy interesado en escuchar acerca de opiniones con respecto a otros tipos de mapas de calor.)

Contexto: estoy tomando un curso en línea sobre la visualización de datos, y ahora que están discutiendo ineficaz y en los tipos de gráficos. Ellos ya se mencionó dinamita diagramas y gráficos circulares, y las razones de por qué esos son ineficaces y por qué hay mejores alternativas a los mismos en forma clara y convincente para mí. Por otra parte, era fácil encontrar otras fuentes que corroboran el dado opiniones acerca de dinamita diagramas y gráficos circulares.

Sin embargo, el curso también dijo que "los mapas de calor son uno de los menos eficaces tipos de visualización de datos". Una paráfrasis de las razones por las que se dan a continuación. Pero cuando traté de encontrar en otros lugares en Google corroboran este punto de vista, yo tenía un montón de dificultades, en contraste a buscar opiniones acerca de la eficacia de gráficos circulares y de dinamita parcelas. Así que me gustaría saber hasta qué punto la caracterización de los mapas de calor en el curso es válido, y cuando los factores en contra de ellos son menos importantes y más importante para un contexto dado.

Las razones dadas fueron:

  1. Es difícil asignar el color en una escala continua.

    Hay algunas excepciones a esta regla, así que esto no es generalmente un interruptor, pero en el caso de los mapas de calor, el problema es particularmente difícil, debido a que nuestra percepción de los cambios de color dependiendo de la vecina colores. Por lo tanto los mapas de calor no están bien adaptadas para ver los resultados individuales, incluso en pequeños conjuntos de datos. Lo que conduce a:

  2. Responder a preguntas específicas mediante una tabla look-up método generalmente no es factible, ya que es imposible inferir con suficiente precisión el valor numérico correspondiente a un determinado color.

  3. A menudo, los datos no están agrupados de tal manera de llevar a cabo tendencias.

    Sin dicha agrupación es a menudo difícil o imposible inferir nada acerca de general de los patrones.

  4. Los mapas de calor son a menudo sólo se utiliza para comunicar un "factor wow" o simplemente ir a la moda, especialmente cuando se utiliza un degradado multicolor, pero por lo general hay mejores maneras de comunicar los datos.

Trazado continuo de datos en una escala común es siempre la mejor opción. Si hay un componente de tiempo, la opción más obvia es una línea de parcela.

18voto

Kam Puntos 1

No hay tal cosa como un "mejor" complot para esto o para aquello. Cómo se hace una gráfica de los datos depende del mensaje que se desea transmitir. Comúnmente se utilizan parcelas tienen la ventaja de que los usuarios son más propensos a ser capaz de leerlos. Sin embargo, eso no quiere decir que sean necesariamente la mejor opción.

Respecto a los mapas de calor, he ordenado mi respuesta por los supuestos argumentos en contra de ellos.

Ad 1) Si usted no confía en color como una codificación de canal, use el brillo en su lugar, con una escala que abarca de color gris oscuro a gris claro "color" de los tonos. Más a menudo, desea bin variables continuas (ver también la sección 5), de modo que usted puede mantener el número de colores de baja y hacer que sea más fácil de decodificar por parte de los usuarios. Este no es un bien. Echa un vistazo a este ejemplo, en el que la variable continua no es desechado.

Ad 2) Ciertamente, que no debe ser utilizado como una alternativa para buscar valores precisos. Mapas de calor debe ser utilizado principalmente para ilustrar los patrones, no para reemplazar las tablas.

Ad 3+4) no veo cómo esto podría estar relacionado con mapas de calor sólo.

Ad 5) los mapas de Calor son lo ideal, pero no necesariamente se utiliza con variables discretas. Para las variables continuas, mapas de calor puede ser utilizado como una especie de dos dimensiones histograma o diagrama de barras, con la debida binning, así como el brillo como una codificación de canal.

5voto

Manish Puntos 141

Alguien no puede decir que el Mapa de Calor es el menos efectivo tipo de visualización. Yo diría más bien que depende de su requisito. En algunos casos, los mapas de Calor son muy útiles. Digamos que usted tiene que hacer un informe sobre la delincuencia en un país en estado de sabios (o ciudad inteligente). Aquí usted tendrá un enorme conjunto de datos que pueden tener dependencias de tiempo.

Del mismo modo, digamos que usted tiene que preparar un informe sobre el consumo de electricidad para las ciudades. En estos casos, usted puede visualizar a través de mapas de Calor. Todo tendrá más sentido y menos engorroso.

Así que, en pocas palabras, si usted tiene un montón de datos continuo y desea realizar un informe en el que se pueden señalar las respuestas de forma rápida, a continuación, el mapa de Calor es lo mejor.

4voto

Robert de Graaf Puntos 321

Crítica 1 en la pregunta original cubre la mayor inconveniente - que es difícil para alguien que de la lectura del mapa de calor para decodificar la información cuantitativa que se transmite. Considere la posibilidad de un gráfico xy-gráfico de dispersión o diagrama de puntos, donde el subyacente cantidad está directamente relacionada con la distancia en el mapa - muy sencillo para la interpretación.

En un mapa de calor, por otro lado, la persona que lee el gráfico está en la libertad de interpretar el 10% de la 'roja' o 'oscuro' para su propia satisfacción. En la parte superior de que es el problema de las diferentes habilidades de las personas para discernir el color y la sombra, para empezar. Estas son las verdaderas desventajas, pero no son universalmente fatal.

La tercera crítica, por el contrario, parece inadvertidamente identificar una ocasión en la que los mapas de calor son especialmente útiles cuando los datos se han agrupado en un plano 2D, de modo que valores similares en una tercera dimensión se muestran como manchas de un particular matiz o color. Así, mientras que los mapas de calor son ineficaces en algunas cosas, que son útiles para los demás, y deben permanecer en su bolsa, en la misma forma que los jugadores suelen llevar pitcheo cuñas o similares, a pesar de ser inútil para la conducción o poner, o los carpinteros no se caso omiso de martillos porque no son buenas para el corte de madera.

En general, la visualización de datos debe ser visto como un proceso iterativo de la actividad que va a tomar algún tiempo como usted trata de un número de visualizaciones que ponen de relieve las características importantes de los datos, tratando de obtener más de un tipo de visualización y, a continuación, experimentar para encontrar la mejor configuración dentro de elecciones particulares. Tampoco debe suponerse que el resultado será una visualización - a veces un número de visualizaciones de los datos necesarios para resaltar varias características importantes de los datos. En este contexto, habrá momentos donde por las características particulares de determinados conjuntos de datos, el mapa de calor será más eficaz, y la comunicación de los clusters como la descrita, podría ser una de esas veces. En total, habrá muchas ocasiones en las que un único visualización no puede hacer todo, y más de uno va a ser necesario.

4voto

Como ya se ha mencionado por otros, es realmente incorrecto decir que los mapas de calor son siempre ineficaces. De hecho, son bastante eficaces en muchos casos.

Por ejemplo, si desea ver los datos 4D, es bastante simple de hacer los primeros tres dimensiones en muchos software de trazado. Sin embargo, el concepto general de 4D es bastante difícil de conceptualizar. ¿Qué es el "4º" dirección/dimensión?

Ahí es donde un mapa de calor puede ser eficaz, ya que permitirá trazar los primeros tres dimensiones en los ejes de coordenadas, y el cuarto puede ser visualizado por el apilamiento de un mapa de calor en su trazan plano (o de la línea, pero que es menos probable).

Línea de fondo es que se necesita un contexto. ¿Qué estás buscando en la visualización? También, como un compañero de auto-maestro, te puedo decir que estos cursos en línea tienden a ser muy trivial e inútil. Usted es mucho mejor el sólo uso de ellos cuando usted está buscando información/ayuda en temas específicos, en lugar de buscar ser enseñados acerca de un tema.

Lo mejor de la suerte de todos modos, aunque.

3voto

ldx Puntos 560

Los mapas de calor son grandes en proporcionar una visión simplista de múltiples variables a partir de una serie de tiempo de la perspectiva de los datos puede ser absoluta cambios a lo largo del tiempo o estandarizado el uso de scores Z o de otros medios para examinar las variables con diferentes mediciones de intervalos de tiempo o los cambios relativos de los subgrupos. Es una muy visualmente perceptible vistas que se pueden observar las correlaciones o inversas, y sustituye a una multitud de gráficos. También pueden ser utilizadas en el preprocesamiento para evaluar la posible reducción de dimensionalidad - es decir, el Factoring o PCA.

El mal de las variables que intervienen y otros factores que pueden ocultarse y aprobada por cuando se utiliza este enfoque para detectar correlaciones. Los mismos aspectos ocultos se producen con gráficos de líneas - sin embargo, dado el gran número de variables - mi experiencia es que los mapas de calor trae tanta información que un usuario no considera la intervención de aspectos, ni otros de los factores ocultos.

Esto de un científico de datos de un economista progresista perspectiva con 20 años en el campo de la producción de datos y la tarea de educar al público en general con tales datos.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X