
混淆矩阵是一种常见的可视化形式,它通过一个表格式的布局,对所有数据预测的标签与的实际标签进行比较,用于帮助人们评估机器学习模型。来自苹果公司的研究人员对机器学习领域学者进行调研,发现一般的混淆矩阵无法处理层次结构标签和多输出标签,因此他们设计了一个混淆矩阵代数,并提出了Neo[1],一种新型的支持层次结构标签和多输出标签的混淆矩阵可视化系统,允许从业者灵活地编写、互动和分享混淆矩阵。
继续阅读 »混淆矩阵是一种常见的可视化形式,它通过一个表格式的布局,对所有数据预测的标签与的实际标签进行比较,用于帮助人们评估机器学习模型。来自苹果公司的研究人员对机器学习领域学者进行调研,发现一般的混淆矩阵无法处理层次结构标签和多输出标签,因此他们设计了一个混淆矩阵代数,并提出了Neo[1],一种新型的支持层次结构标签和多输出标签的混淆矩阵可视化系统,允许从业者灵活地编写、互动和分享混淆矩阵。
继续阅读 »直接体渲染是一种表现三维体数据的强大可视化手段。过去数十年间,研究者们进行了大量的研究,来提高体渲染的速度与质量。其中,传递函数的设计是影响这两个指标的一个重要因素。传递函数将体素的值映射到诸如颜色、不透明度、可见性等光学性质。然而,要设计一个好的传递函数通常面临着很大的困难,对非专业使用者更是如此。绝大多数传递函数设计的方法都依赖用户大量的交互,用户需要根据数据的统计特征,通过不断试错,以求达到好的效果。这里的统计特征通常是数据某些属性的直方图。在本文中,作者提出了一种基于机器学习方法:三维卷积稀疏编码,能对体素进行精确分类,从而得到优秀的体渲染结果。同时,基于智能系统的交互方式,能让用户通过直观的输入,来完成传递函数设计过程。
在三维数据的可视化中,交互探索是非常重要的一部分。为了达到这一目的,研究者经常要依赖于专用的3D输入设备,例如平板电脑和大屏幕显示墙。这些设备提供了新的交互范式:触感(tactile)输入和有形(tangible)输入。触感输入通过使用一些单手或双手触控的映射和窗口部件来实现,而有形输入是基于在三维空间中通过物理移动专门的移动设备来达到交互。但是,在实际运用中,不同的输入范式之间的过渡仍然是未知的。尽管这两种输入在以往的工作中都出现过,但是并没有人研究它们在三维数据可视化探索中各自的益处和挑战。如何将触感和有形交互结合起来用于三维数据探索也成为了一个仍待解决的问题。因此,今年SciVis的一篇文章[1]设计并评估了一种结合触感和有形范式的交互界面,用于三维数据探索。文中针对流体动力学领域,首先了解了在三维数据探索中的一些基本的交互任务和交互技术,然后基于这些发现提出了一种针对常见的三维可视化任务这两种范式混合映射的设计空间,最后对其中的某些混合映射进行评估并通过用户调研将其与单独使用触感和有形输入的方法分别比较。
Vega-Lite是一种高级语法。它支持简洁的json格式的语法,能够快速地定义交互式数据可视化。 继续阅读 »
信息可视化中,鼠标是常用的交互设备。然而,鼠标作为一个和桌面设备紧密联系的输入方式,对于一些非桌面设备并不能很好的适用。比如,对于高分辨率屏幕墙,用户站在这样的可视化终端面前,更直接的交互方式是通过他的移动、方位、朝向和距离来作为交互的输入。来自哥本哈根大学的学者针对高分辨率屏幕墙的信息可视化方法, 利用空间关系的概念作为出发点,探讨了大屏幕上信息可视化的交互方案。文章被发表在2013年可视化会议IEEE InfoVis上[1]。在论文中,他们也通过实验和用户研究,探讨了单用户和可视化终端之间的空间关系作为交互的可能行与可行性。同时,他们也已经开发了一个基于空间关系的初步原型系统,实现了诸如缩放、平移、查询和筛选等功能。实验在在不同用户和可视化任务下进行测试,被用来和以往的三维鼠标比较,得到了不错的结果。
近期评论