知识卡片
探索用图与演示用图
同一批数据,给数据科学家看的图和给业务方看的图不该是同一张。探索阶段的图追求信息密度:密度图、对数刻度、rug 刻线、箱线叠抖动点,都是为了看清分布细节与异常,读者是懂技术的人。 向利益相关者演示则相反,图要一眼读懂。银行账户余额的密度图画在 log10 刻度上,能看出近似正态、中值约 30000 美元、多数落在 1000 到 10000000 美元之间,但“为什么用 log10”很难向非技术听众解释。换成按金额分桶的直方图(小于 1K、1-5K、5-10K、10-50K、50-100K、100-500K、500K-1M、大于 1M),业务方立刻能看出多数账户在 1000 到 100 万美元之间、最集中在 1 万到 5 万美元。 陷阱在桶边界:它会直接改变读者对“最集中区间”的认知。本例的桶边界是照着密度图定的;若没有密度图作参照而随意分桶,结论可能失真。正确做法是先在探索阶段用连续方法确定结构,再据此设计演示用的分箱。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 使用R进行基本数据分析 · 查看原书依据
运用可视化进行数据探索不同于向利益相关者演示结果。并不是每种图表类型都适合所有受众。前面讨论的大部分图表都是尽可能清楚地展示数据细节,以帮助数据科学家了解数据的构成和数据间的关系。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第3章 使用R进行基本数据分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0013_split_002.html)
- 结论依据:3.2.5 节对比同一批账户余额数据的 log10 密度图与分桶直方图,指出非技术受众更难理解对数刻度,并强调桶大小选择会左右结论。
- 原始内容:运用可视化进行数据探索不同于向利益相关者演示结果。并不是每种图表类型都适合所有受众。前面讨论的大部分图表都是尽可能清楚地展示数据细节,以帮助数据科学家了解数据的构成和数据间的关系。