Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Деректерді визуализациялау әдісі
Data visualization technique
Жылу картасы (немесе жылу картасы) – деректер жиынтығындағы жеке мәндердің мөлшерін түс арқылы көрсететін екі өлшемді деректерді визуализациялау әдісі. Түстің өзгеруі тон немесе қарқындылық бойынша болуы мүмкін. Қылмыстық талдау сияқты немесе веб-сайттағы басылуларды қадағалау сияқты кейбір жағдайларда, әрбір нүктеге байланысты мән емес, деректердің тығыздығын көрсету үшін түс қолданылады. "Жылу картасы" – салыстырмалы түрде жаңа термин, бірақ матрицаларды көлеңдеу тәжірибесі бір ғасырдан астам уақыттан бері қолданылып келеді.
A heat map (or heatmap) is a 2 dimensional data visualization technique that represents the magnitude of individual values within a dataset as a color. The variation in color may be by hue or intensity. In some applications such as crime analytics or website click tracking, color is used to represent the density of data points rather than a value associated with each point. "Heat map" is a relatively new term, but the practice of shading matrices has existed for over a century.
Тарих
Жылу карталары дерек матрицасындағы мәндерді 2D форматта көрсету арқылы пайда болды. Үлкен мәндер кішкентай қара сұр немесе қара түсті квадраттармен (пиксельдермен), ал кішірек мәндер ашық түсті квадраттармен бейнеленді. Туссен Луа (1873) Париж аудандарының әлеуметтік статистикасын көрсету үшін көлеңкелендіру матрицасын қолданды. 2003 жылы Кинидің өнертабысын сатып алған компания кездейсоқ түрде тауар таңбасының тіркелу мерзімін өткізіп алды.
Heat maps originated in 2D displays of the values in a data matrix. Larger values were represented by small dark gray or black squares (pixels) and smaller values by lighter squares. Toussaint Loua (1873) used a shading matrix to visualize social statistics across the districts of Paris. The company that acquired Kinney's invention in 2003 unintentionally allowed the trademark to lapse.
Түрлері
Жылу картасының екі негізгі түрі бар: кеңістіктік және торлық. Кеністіктік жылу картасы кеңістіктік құбылыстың шамасын, әдетте картаға түсірілген түстер арқылы көрсетеді. "Кеністіктік жылу картасының мысалы" деген белгісі бар суретте температура әлем картасы бойынша түстер диапазоны арқылы көрсетілген. Түс көк (салқын) қызылға (ыстық) дейін өзгереді. Торлық жылу картасы екі өлшемді матрицада шаманы түс түрінде көрсетеді, мұнда әр өлшем белгінің санатын білдіреді, ал түс екі санаттан алынған белгілердің комбинациясындағы белгілі бір өлшемнің шамасын көрсетеді. Мысалы, бір өлшем жылды, ал екіншісі айды білдіруі мүмкін, ал өлшенген мән температура болуы мүмкін. Бұл жылу картасы жылдар бойы әр айдың температурасының қалай өзгеретінін көрсетеді. Торлық жылу карталары екі түрлі матрицаға бөлінеді: кластерленген және коррелограмма. Кластерленген жылу картасы: Жылдық айлық температураның мысалы кластерленген жылу картасы болып табылады. Коррелограмма: Коррелограмма – бұл кластерленген жылу картасы, ол белгілер жиынтығындағы белгілердің бір-бірімен қалай өзара әрекеттесетінін көрсету үшін әр осьте бірдей белгіге ие. Коррелограмма квадрат емес, үшбұрыш түрінде болады, өйткені А мен В комбинациясы В мен А комбинациясымен бірдей, сондықтан оны екі рет көрсетудің қажеті жоқ. Торлық жылу картасында түстер белгілі бір мөлшердегі торда ұсынылады, ал тордағы әрбір жасуша да бірдей өлшем мен пішінде болады. Мақсаты – кластерлерді анықтау немесе кластерлердің болуын ұсыну. Кеністіктік жылу картасы көбінесе карталарда немесе спутниктік суреттерде (GIS-ке қараңыз) қолданылады, онда жасушалар туралы түсінік болмайды, оның орнына түстер үздіріссіз өзгереді.
There are two main type of heat maps: spatial, and grid. A spatial heat map displays the magnitude of a spatial phenomena as color, usually cast over a map. In the image labeled "Spatial Heat Map Example," temperature is displayed by color range across a map of the world. Color ranges from blue (cold) to red (hot). A grid heat map displays magnitude as color in a two dimensional matrix, with each dimension representing a category of trait and the color representing the magnitude of some measurement on the combined traits from each of the two categories. For example, one dimension might represent year, and the other dimension might represent month, and the value measured might be temperature. This heat map would show how temperature changed over the years in each month. Grid heat maps are further categorized into two different types of matrices: clustered, and correlogram. Clustered heat map: The example of the monthly temperature by year is a clustered heat map. Correlogram: A correlogram is a clustered heat map that has the same trait for each axis in order to display how the traits in the set of traits interact with each other. The correlogram is a triangle instead of a square because the combination of A B is the same as the combination of B A and so does not need to be expressed twice. In a grid heat map, colors are presented in a grid of a fixed size, with every cell in the grid also being an equal size and shape. The goal is to detect clustering, or suggest the presence of clusters. A spatial heat map is often used on maps or satellite imagery (see GIS), where there is no concept of cells, and instead the colours vary continuously.
Қолданылуы
Жылу карталары деректерді қарапайымдастыру және деректерді талдауды визуалды түрде түсінікті ету мүмкіндігі арқасында көптеген қолданыс аландарына ие. Төменде жылу карталарының әртүрлі түрлерін пайдаланатын көптеген қолданыс мысалдары келтірілген. Бизнес-талдау: Жылу карталары бизнес-талдауда компанияның қазіргі қызметін, өнімділігін және жақсарту қажеттіліктерін визуалды түрде көрсету үшін қолданылады. Жылу карталары компанияның қолданыстағы деректерін талдауға және оны өсуді және басқа да нақты күш-жігерді көрсету үшін жаңартуға мүмкіндік береді. Жылу карталары команда мүшелері мен бизнес немесе компания клиенттері үшін визуалды тартымды. Веб-сайттар: Веб-сайттарда пайдаланушылардың әрекеттерін анықтау үшін жылу карталарын қолданудың көптеген әртүрлі тәсілдері бар. Әдетте, веб-сайттың ең жақсы және ең нашар жұмыс істейтін элементтерін анықтау үшін бірнеше жылу картасы бірге қолданылады. Веб-сайтты талдау үшін қолданылатын кейбір жылу карталары төменде келтірілген. Тышқанды қадағалау: Тышқанды қадағалау жылу карталары немесе жылжу карталары сайт пайдаланушысының курсорын қайда жылжытқандығын көрсету үшін қолданылады. Көзді қадағалау: Көзді қадағалау жылу карталары веб-сайт пайдаланушыларының көзінің орнын өлшейді және көзді бекіту көлемі, көзді бекіту ұзақтығы және қызығушылық аймақтары сияқты өлшемдерді жинақтайды. Кликті қадағалау: Кликті қадағалау жылу карталары немесе сенсорлық карталар тышқанды қадағалау жылу карталарына ұқсас, бірақ жылжу әрекеттерінің орнына, бұл жылу карталары пайдаланушылардың клик әрекеттерін визуализациялауға көмектеседі. Кликті қадағалау жылу карталары веб-беттегі батырмалар немесе ашылмалы мәзірлер сияқты батырмалауға болатын компоненттерге ғана емес, сонымен қатар беттің кез келген жерінде батырмалауға болмайтын объектілерді де қадағалауға мүмкіндік береді. AI назары: AI жасалған назар жылу карталары келуші пайдаланушының назары веб-беттің белгілі бір бөліміне қайда түсетінін визуализациялауға көмектеседі. Бұл жылу карталарының түрі пайдаланушының назарын аудару әрекеттерін анықтау және болжау үшін жасалған бағдарламалық алгоритмді пайдалана отырып іске асырылады. Прокрутканы қадағалау: Прокрутканы қадағалау жылу карталары веб-сайт пайдаланушыларының прокрутка мінез-құлқын көрсету үшін қолданылады. Бұл пайдаланушының веб-сайттың қай бөлімінде көбірек уақыт өткізетінін көрсететін визуалды белгілерді жасауға көмектеседі. Зерттеу деректерді талдау: Кіші және үлкен дерек жиынтықтарымен жұмыс істеу кезінде дерек ғалымдары мен деректерді талдаушылар дерек жиынтығындағы әртүрлі нүктелер арасындағы маңызды қатынастар мен сипаттамаларды, сондай-ақ осы дерек нүктелерінің ерекшеліктерін қарастырады және анықтайды. Дерек ғалымдары мен талдаушылар әр түрлі мамандықтағы адамдармен жұмыс істейді. Жылу карталарын қолдану нәтижелер мен негізгі компоненттерді қорытындылаудың визуалды оңай әдісін ұсынады. Деректерді бейнелеудің басқа да жолдары бар, алайда жылу карталары осы дерек нүктелерін және олардың байланыстарын тым тығыз және визуалды түрде тартымсыз болмай, жоғары өлшемді кеңістікте визуализациялай алады. Деректерді талдаудағы жылу карталары осьтердегі және тіпті диагональдағы жолдар мен/немесе бағандардағы нақты айнымалыларды көрсетеді. Биология: Биология саласында жылу карталары үлкен және кіші деректерді визуалды түрде көрсету үшін қолданылады. Назар ДНК, РНК, ген экспрессиясы және т.б. үлгілері мен ұқсастықтарына аударылады. Осы дерек жиынтығымен жұмыс істеу барысында биоинформатика саласындағы ғалымдар әр түрлі тұжырымдамаларға назар аударады, олардың кейбіреулері қоғамдастықтарды анықтау, қауымдастықтар мен өзара байланыстар және орталықтылық тұжырымдамасы болып табылады, мұнда жылу карталары нәтижелерді визуалды түрде қорытындылаудың және биология немесе биоинформатика саласындағы емес басқа кәсіптер арасында бөлісудің тиімді тәсілі болып табылады. Оң жақтағы екі жылу картасы, "Деректерді талдау жылу картасының мысалы" деп белгіленген, биология саласынан тыс адамдарға белгілі бір аймақтағы (Hist1 аймағы) геномдық деректерді ұсынудың әртүрлі жолдарын көрсетеді, осылайша олар биолог немесе дерек ғалымы ұсынуға тырысатын жалпы ұғымды жақсырақ түсінеді. Қаржылық талдау: Әр түрлі өнімдер мен активтердің құны уақыт өте келе жылдам және/немесе біртіндеп өзгереді. Күнделікті нарықтардағы өзгерістерді тіркеу қажеттілігі маңызды. Бұл үлгілерден болжамдар жасауға және өткен сандық деректерге қайта оралуға мүмкіндік береді. Жылу карталары еңбек сіңіретін процесті жоюға және пайдаланушыға дерек нүктелерін визуализациялауға және әртүрлі нәтижелерді салыстыруға мүмкіндік береді. Географиялық визуализация: Жылу карталары деректердің географиялық таралуын визуализациялау және көрсету үшін қолданылады. Жылу карталары географиялық картадағы дерек нүктелерінің әртүрлі тығыздығын көрсетеді, бұл пайдаланушыларға белгілі бір құбылыстардың қарқындылығын көруге және ең маңызды немесе ең аз маңызды элементтерді көрсетуге көмектеседі. Географиялық визуализацияда қолданылатын жылу карталары кейде хорплет карталарымен шатастырылады, бірақ екеуінің арасындағы айырмашылық олардың деректерді қалай ұсынатынында. Спорт: Жылу карталарын көптеген спорт түрлерінде қолдануға болады және олар менеджерлердің және/немесе жаттықтырушылардың шешімдеріне жоғары және төмен дерек тығыздығын көрсете отырып әсер ете алады. Пайдаланушылар ойын ішіндегі үлгілерді, қарсыластардың стратегияларын және өз командасының стратегияларын анықтай алады, ойыншыға, командаға және бизнеске пайдалы, хабардар шешімдер қабылдай алады және жақсарту қажеттіліктерін анықтау арқылы әртүрлі салаларда өнімділікті арттыра алады. Жылу карталары сонымен қатар бір спорт түріндегі әртүрлі командалар арасындағы немесе әртүрлі спорт түрлері арасындағы салыстыруларды және қатынастарды визуализациялайды.
Heat maps have a wide range of possibilities amongst applications due to their ability to simplify data and make for visually appealing to read data analysis. Many applications using different types of heat maps are listed below. Business Analysis: Heat maps are used in business analytics to give a visual representation about a company's current functioning, performance, and the need for improvements. Heat maps are a way to analyze a company's existing data and update it to reflect growth and other specific efforts. Heat maps visually appeal to team members and clients of the business or company. Websites: There are many different ways heat maps are used within websites to determine a visiting users actions. Typically, there are multiple heat maps used together to determine insight to a website on what are the best and worst performing elements on the page. Some specific heat maps used for website analysis are listed below. Mouse Tracking: Mouse tracking heat maps or hover maps, are used to visualize where the user of the site hovers their cursor. Eye tracking: Eye tracking heat maps measure the eye position of the website's users and gathers measurements such as eye fixation volume, eye fixation duration, and areas of interest. Click Tracking: Click tracking heat maps or touch maps, are similar to mouse tracking heat maps, but instead of hover actions, these types of heat maps help visualize the users click actions. Click tracking heat maps not only allow for visual cues on clickable components on a webpage, such as buttons or dropdown menus, but these heat maps also allow for tracking on non clickable objects anywhere on the page. AI Generation Attention: AI generated attention heat maps help visualize where the visiting user's attention will go on a certain section of a webpage. These types of heat maps are implemented using a created software algorithm to determine and predict the attention actions of the user. Scroll Tracking: Scroll tracking heat maps are used to represent the scrolling behavior of the website's users. This helps produce visual cues to what section on the website the user spends the most time at. Exploratory Data Analysis: Working with small and large data sets, data scientists and data analysts look at and determine essential relationships and characteristics amongst different points in a data set as well as features of those data points. Data scientists and analysts work with a team of others in different professions. The use of heat maps make for a visually easy way to summarize findings and main components. There are other ways to represent data, however heat maps can visualize these data points and their relationships in a high dimensional space without becoming too compact and visually unappealing. Heat maps in data analysis, allow for specific variables of rows and/or columns on the axes and even on the diagonal. Biology: In the biological field, heat maps are used to visually represent large and small sets of data. The focus is towards patterns and similarities in DNA, RNA, gene expression, etc. Working with these sets of data, data scientists in bioinformatics, focus on different concepts, some of which being community detection, association and correlation, and the concept of centrality, where heat maps are a compelling way to visually summarize results and to share amongst other professions not in the field of biology or bioinformatics. The two heat maps to the right, labeled "Data Analysis Heat Map Example," show different ways in which one may present genomic data over a specific region (Hist1 region) to someone outside the field of biology so they have a better understanding of the general concept a biologist or data scientist are trying to present. Financial Analysis: The values of different product and assets fluctuate both rapidly and/or gradually over time. The need to log changes to the daily markets is imperative. It allows for the ability to draw predictions from patterns while being able to revisit past numerical data. Heat maps are able to remove the tedious process and enable the user to visualize data points and compare amongst the different performers. Geographical Visualization: Heat maps are used to visualize and display a geographic distribution of data. Heat maps represent different densities of data points on a geographical map to help users see the intensities of certain phenomena and to show items of most or least importance. Heat maps used in geographical visualization are sometimes confused with Choropleth maps, but the difference comes with how certain data is presented which differentiate the two. Sports: Heat maps can be used in many sports and can influence manager's and/or coaches decisions based on high and low densities of data displayed. Users can identify patterns within the game, the strategies of opponents and one's own team, make more informed decisions benefitting the player, team, and business, and can enhance performance in different areas by identifying enhancement is needed. Heat maps also visualize comparisons and relationships amongst different teams in the same sport or between different sports all together.
Түстер сұлбасы
Жылу картасын көрсету үшін әр түрлі түстер схемаларын қолдануға болады, олардың әрқайсысының қабылдау артықшылықтары мен кемшіліктері бар. Жақсы түстер схемасын таңдау деректерді дәл және тиімді көрсету үшін өте маңызды, ал нашар түстер схемасы көрермендерді қате тұжырымдарға жеткізуі немесе түс көру қабілеті бұзылған адамдардың деректерді дұрыс талдау мүмкіндігін жоғалтуына әкелуі мүмкін. Көктем түстерінің карталары жиі қолданылады, себебі адамдар сұр түстерге қарағанда түстердің көптеген реңктерін қабылдай алады, бұл суреттегі егжей-тегжейлілікті арттыруға мүмкіндік береді. Дегенмен, ғылыми қауымдастықта бұл көптеген себептермен қатаң сынға ұшырайды. Басты себептердің бірі – көптеген түстер қолданылғанда, визуализация деректерде шындығында жоқ градиенттердің бар екенін қате көрсетуі мүмкін. Визуализацияда қолданылған түстердің саны артаған сайын, мәндер бірімен бірі араласып, түс сұр немесе қара дене спектрі түстер карталарындағыдай табиғи қабылдау ретіне ие болмайды. Сонымен қатар, бір түстің әртүрлі реңктерімен көрсетілген мәндер, шындығында байланысы жоқ болса да, мәндердің өзара байланысты екенін ұғындыруы мүмкін. Түстер схемасын таңдағанда ескеру қажетті маңызды мәселе – деректерді түс көру қабілеті бұзылған адамдар көре ала ма, жоқ па. Егер аудиторияда түрлі түстерді ажырата алмаушылық бар адамдар болса, қызыл және жасыл түстерді немесе тегіс емес түстер градиенттерін басым қолданатын түстер схемаларынан аулақ болу қажет. Gnuplot – әмбебап және тегін командалық жолмен сызу бағдарламасы, ол 2D және 3D жылу карталарын құруға мүмкіндік береді. Google Fusion Tables географиялық деректердің 1000 нүктесімен шектелген Google Sheets электрондық кестесінен жылу картасын жасауға болады. Дэйв Гриннің 'cubehelix' түстер схемасы, қара және ақ постскрипт құрылғыларында монотонды түрде өсетін сұр түс реңктерін шығаруға арналған ресурстарды ұсынады. Openlayers3 векторлық қабаттағы барлық географиялық нысандардың таңдалған қасиетінің жылу картасы қабатын көрсетуге мүмкіндік береді. D3.js, AnyChart және Highcharts – деректерді визуализациялауға арналған JavaScript кітапханалары, олар өз шешімдерінің бөлігі ретінде қарапайымнан жоғары бейімделгенге дейін интерактивті жылу карталарының диаграммаларын жасау мүмкіндігін ұсынады.
Many different color schemes can be used to illustrate the heat map, with perceptual advantages and disadvantages for each. Choosing a good color scheme is integral to accurately and effectively displaying data, whereas a poor color scheme can lead viewers to inaccurate conclusions or exclude those with color deficiencies from proper analysis of said data. Rainbow color maps are a common choice, as humans can perceive more shades of color than they can of gray, and this would purportedly increase the amount of detail perceivable in the image. However, this is heavily discouraged in the scientific community for a number of reasons. Possibly the largest reason is that when there is a large number of colors involved, the visualization may give off the impression that there exist gradients in the data that are not really present. The more colors used in a visualization the more values begin to bleed together and color lacks the natural perceptual ordering found in grayscale or blackbody spectrum colormaps. Additionally, values represented by different shades of the same color can imply that the values are related when they are not. An important consideration when choosing a color scheme is whether or not the data will be viewed by anyone with any form of color deficiency. If the audience contains individuals with any form of color blindness, it may be wise to avoid color schemes with prominent reds and greens or uneven color gradients. Gnuplot, a universal and free command line plotting program, can trace 2D and 3D heat maps. Google Fusion Tables can generate a heat map from a Google Sheets spreadsheet limited to 1000 points of geographic data. Dave Green's 'cubehelix' colour scheme provides resources for a colour scheme that prints as a monotonically increasing greyscale on black and white postscript devices. Openlayers3 can render a heat map layer of a selected property of all geographic features in a vector layer. D3. js, AnyChart and Highcharts are JavaScript libraries for data visualization that provide the ability to create interactive heat map charts, from basic to highly customized, as part of their solutions.
Хорплоталық карталар мен жылулық карталар
Хорплоф карталары мен жылу карталары географиялық түрде көрсетілген деректерге сілтеме жасағанда жиі дұрыс қолданылмайды. Екі техника да қызығушылық тудыратын айнымалының үлесін көрсетеді, бірақ екеуі айнымалының деректер жиынтығының шекаралары қалай құрылғандығы бойынша ерекшеленеді. Егер деректер әкімшілік бірліктер сияқты белгісіз шекараларды қолдана отырып жиналып, топтастырылған болса, онда осы деректерді көрсеткен жылу картасы хорплоф картасымен бірдей болады, бұл екеуінің айырмашылығы туралы шатасуға әкелуі мүмкін. Хорплоф карталары географиялық шекаралар бойынша топтастырылған деректерді көрсетеді, мысалы, елдер, штаттар, провинциялар немесе тіпті су тасқыны алаптары. Әр аймақтың түс қарқындылығы, көлеңке немесе үлгі арқылы көрсетілген жеке мәні бар. Оң жақтағы сурет АҚШ-тың штаттар бойынша халық тығыздығын көрсететін хорплоф картасының мысалы ретінде қолданылуы мүмкін. Суретте мемлекеттің басқа штаттарға шаққандағы мәніне пропорционалды көк түстің қарқындылығымен белгіленген жеке мән (халық) көрсетілген, және ол әр штаттың шекарасымен шектелген. Сол сияқты, жылу карталары да географиялық аймақтағы деректерді көрсетуі мүмкін. Алайда, хорплоф карталарынан айырмашылығы, жылу карталары географиялық шекараларға тәуелсіз, бірақ көбінесе кішкентай, кездейсоқ тор өлшемінде айнымалының үлесін көрсетеді. Оң жақтағы сурет әлем халқының жылу картасын көрсетеді. Суретте кездейсоқ торда (шаршы километрлер) шектелген бір мән (халық) көрсетілген, ал тордағы әрбір ұяшық басқа ұяшықтарға шаққандағы мәніне пропорционалды түс қарқындылығымен бейнеленген. Кейбір жылу карталары, шамамен алынған аймақтық деректерді пайдаланып жасалғанда, нақтыда жоқ географиялық шекараларды көрсетуі мүмкін. Географиялық шекаралардың иллюзиясы визуализация техникасының емес, деректер жиынтығындағы үлгілердің болуына байланысты. Оң жақтағы әлем халқының жылу картасын көрсететін суретте де осы құбылыс кездеседі. АҚШ пен Оңтүстік Американың ауылдық аймақтарындағы аймақтар сол аймақтардағы таныс географиялық шекараларға ұқсас болуы мүмкін.
Choropleth maps and heat maps are often used in place of one another incorrectly when referring to data visualized geographically. Both techniques show the proportion of a variable of interest, but the two differ in how the boundaries for the variable's data aggregations are constructed. If the data were collected and aggregated using irregular boundaries, such as administrative units, then a heat map displaying that data will be the same as a choropleth map, encouraging confusion about how the two differ. Choropleth maps show data grouped by geographic boundaries like countries, states, provinces or even floodplains. Each region has a singular value, visualized by color intensity, shading or pattern. The figure on the right displaying a choropleth map showing the United States' population density by state may be used as an example. The figure illustrates a singular value (population) denoted by blue color intensity proportionate to the state's value relative to all other states' values, bounded by each state's border. Similarly, heat maps may also visualize data over a geographic region. However, unlike choropleth maps, heat maps show the proportion of a variable over an arbitrary, but usually small grid size, independent of geographic boundaries. The figure on the right displaying a heat map of world population is an example. The figure illustrates a single value (population) bounded in an arbitrary grid (square kilometers) with each cell in the grid represented by a color intensity proportionate to the value of the cell relative to all other cells. Some heat maps that are created using approximated regional data may show familiar geographic borders in the visualization where none really exist. The illusion of geographic borders is due to the existence of patterns within the dataset rather than the visualization technique. The figure on the right displaying a heat map of world population also contains this occurrence. Areas in rural parts of the United States and South America may closely resemble familiar geographic borders in those regions.