Questions tagged «interactive-visualization»

9
有谁知道有什么好的开源软件可以可视化数据库中的数据?
最近,我遇到了Tableau,试图将数据库和csv文件中的数据可视化。用户界面使用户能够可视化时间和空间数据并即时创建绘图。这样的工具非常有用,因为它可以以图形方式观察数据而无需编写代码。 由于必须从许多数据源中检索和可视化数据,因此拥有一个能够通过简单地在轴上拖动列来生成图表并通过拖动列名来修改可视化效果的工具将非常有用。 有人知道这种免费或开源软件吗?

1
从lmer模型计算效果的可重复性
我刚刚碰到了这篇论文,该论文描述了如何通过混合效应建模来计算测量的可重复性(又称可靠性,又称类内相关性)。R代码为: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) #compute n0, the repeatability adjustment n = as.data.frame(table(my_data$unit)) k = nrow(n) N = sum(n$Freq) n0 = (N-(sum(n$Freq^2)/N))/(k-1) #compute the adjusted repeatability Rn = …
28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

3
交互式数据可视化什么时候有用?
在准备一个演讲中,我将尽快给,我最近开始挖成两个主要(免费)工具,交互式数据可视化:GGobi和蒙德里安 -都提供大范围的能力(即使他们有点马车)。 我想请您帮助阐明(对我自己,以及对我的未来听众​​)何时使用交互式图解会有所帮助?用于数据探索(针对我们自己)和数据表示(针对“客户”)? 对于向客户解释数据时,我可以看到以下动画的值: 使用“标识/链接/画笔”来查看图形中的哪个数据点是什么。 呈现数据的敏感性分析(例如:“如果我们删除这一点,这将是我们得到的) 在数据中显示不同组的影响(例如:“让我们看看我们的男性图表,现在是女性图表”) 显示时间的影响(或年龄,或总体而言,为演示文稿提供另一个维度) 对于我们自己探索数据时,在我们正在研究的数据集中探索异常值时,我可以看到标识/链接/刷涂的价值。 但是除了这两个示例之外,我不确定这些技术还提供了哪些实际用途。特别是对于我们自己的数据探索! 可以说,交互部分对于探索(例如)数据中不同组/集群的不同行为非常有用。但是,当(在实践中)我遇到这种情况时,我倾向于做的是运行相关的统计程序(以及事后检验),然后我发现很重要的事情会用彩色清楚地将数据划分为相关群体。从我所看到的情况来看,这是一种比“游刃有余”的数据更安全的方法(这很容易导致数据疏导(校正所需的多重比较的范围甚至不清楚)。 我很高兴阅读您在此问题上的经验/想法。 (此问题可以是Wiki-尽管它不是主观的,并且经过深思熟虑的答案将很乐意赢得我的“答案”标记:))

2
是否可以使用R创建“平行集”图?
已锁定。该问题及其答案被锁定,因为该问题是题外话,但具有历史意义。它目前不接受新的答案或互动。 感谢Tormod的问题(在此处发布),我遇到了“ 平行集”图。这是一个看起来像的例子:( 这是泰坦尼克号数据集的可视化。例如,显示了大多数未幸存的妇女是属于第三类的。) 我希望能够用R复制这样的情节。这有可能吗? 谢谢,塔尔

4
学习使用(/创建)动态(/交互式)统计可视化资源
我想了解更多有关交互式数据可视化的知识(缩放,指向,笔刷,点映射等)。我欢迎任何人: 有关如何使用这种方法进行统计探索的教程/指南/书(?)/视频。 良好/有趣的交互式data-viz包(在R中和外部)的指针 刚开始滚动时,我知道R中有多种获得交互式可视化的方法,例如rggobi,新的googleViz R程序包,动画程序包等。但是,如果还有其他值得探索的软件包(提供R所没有的东西),我将很高兴了解它们(例如jmp,mathlab,spss,sas,excel等)。 ps:这是使用标签“交互式可视化”的第一个问题

9
如何自动创建漂亮的图形?
例如。例如此页面上的http://store.steampowered.com/hwsurvey 有没有现成的软件可以做到这一点?或者,对其他具有类似功能的软件有何建议?我知道这并不是一个真正的统计问题,但我非常强烈地认为,为了使数据有效,应该以一种简洁而富有吸引力的方式呈现数据,因此我认为这个问题对某些人来说是明智的。 更新(11/12/29): 感谢您对这个问题的所有答复,非常感谢您的所有建议。所谓自动,是指我键入数据,然后图形会自动更新。 我项目的目的是在不确定的时间内每天收集6-10套数据(或者每天2x),我想找到一种方法来表示网站中的数据(类似于我的Steam链接上面提供的内容),而用户后端对于非技术用户来说足够简单。如果您还有其他建议,请添加到答案中!再次感谢!

3
如何交互查看大时间序列数据?
我经常处理合理数量的时间序列数据,将50-200百万的倍数与相关的时间戳关联起来,并希望对其进行动态可视化。 是否有现有软件可以有效地做到这一点?库和数据格式如何?缩放缓存是图书馆关注大型时间序列的一个示例。在“缩放缓存”中,数据以几种分辨率汇总,以便更轻松地查看不同分辨率的数据。 编辑:另外,如果还有其他地方我应该问这个问题或寻求答案,请告诉我。

2
混合模型的参数,半参数和非参数引导
接下来的嫁接摘自本文。我是新手,要引导并尝试为带有R boot包的线性混合模型实现参数,半参数和非参数自举。 R代码 这是我的R代码: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- function(data, indices){ data <- data[indices, ] mod <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=data) fixef(mod) } set.seed(12345) Out <- boot(data=Cultivation, statistic=boot.fn, R=99) Out 问题 …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.