К этой группе методов относятся хорошо известные способы отображения информации, которые доступны для восприятия человеческим воображением. Практически любой современный инструмент Data Mining включает способы визуального представления из этой группы.
В соответствии с количеством измерений представления это могут быть следующие способы:
• одномерное (univariate) измерение, или 1-D;
• двумерное (bivariate) измерение, или 2-D;
• трехмерное или проекционное (projection) измерение, или 3-D.
Следует заметить, что наиболее естественно человеческий глаз воспринимает двухмерные представления информации.
При использовании двух- и трехмерного представления информации пользователь имеет возможность увидеть закономерности набора данных:
• его кластерную структуру и распределение объектов на классы (например, на диаграмме рассеивания);
• топологические особенности;
• наличие трендов;
• информацию о взаимном расположении данных;
• существование других зависимостей, присущих исследуемому набору данных.
Если набор данных имеет более трех измерений, то возможны такие варианты:
• использование многомерных методов представления информации (они рассмотрены ниже);
• снижение размерности до одно-, двух-или трехмерного представления. Существуют различные способы снижения размерности, один из них -факторный анализ -был рассмотрен в одной из предыдущих лекций.
Для снижения размерности и одновременного визуального представления информации на двумерной карте используются самоорганизующиеся карты Кохонена.
