Veri Görselleştirme Nedir?
Veri Görselleştirme Nedir?
Veri görselleştirme, verileri, verilerdeki kalıpları, eğilimleri ve aykırı değerleri kolayca tanımlamanıza yardımcı olan çizimler, çizelgeler, haritalar ve 3B görselleştirmeler gibi grafik temsillere dönüştürme işlemidir.
Bu veri görselleştirmeleri, özellikle sensörler, veri kaydediciler, tıbbi kayıtlar, web arama kalıpları ve satın alma kalıpları gibi kaynaklardan alınan büyük veri setleriyle, yalnızca ham verilere bakarak gözlemlenmesi zor veya imkansız olabilecek ilişkileri görmenizi sağlar. Veri görselleştirme, verilerin işlem yapılabilir bilgilere dönüştürülmesinde çok önemli bir rol oynar.
-
Veri Görselleştirme Nasıl Yardımcı Olur?
-
Veri Görselleştirme Nasıl Çalışır?
-
MATLAB ile Veri Görselleştirme
Veri Görselleştirme Nasıl Yardımcı Olur?
Veri görselleştirme teknikleri etki alanlarına göre değişir.
Hesaplamalı Finans
Geçmiş veya canlı piyasa verilerini kullanan veri görselleştirme, kalıpları ve eğilimleri hızlı bir şekilde belirlemeye, anormallikleri tespit etmeye ve anlamlı içgörüler elde etmeye yardımcı olur. Veri görselleştirme, analiz gerçekleştirmeye, tahmine dayalı modeller geliştirmeye, riski değerlendirmeye ve ticaret stratejilerini resmileştirmeye yardımcı olur.
Aşağıdaki grafik, geçmiş verilere uydurulmuş bir zaman serisi modelinden elektrik spot fiyatlarının gelecekteki davranışını simüle etmektedir.
Öngörülen gerekirci eğilim ile tarihsel verileri gösteren elektrik spot fiyatları grafiği.
Sinyal işleme
Sinyal işleme, konuşma analizi, kalp atış hızı izleme, kablosuz iletişim, uzaktan algılama, iklim izleme ve GPS gibi uygulamalarda kullanılır. Yaygın görevler arasında sinyallerin ön işlenmesi ve karşılaştırılması, dijital filtrelerin tasarlanması, sinyallerin dönüştürülmesi, ölçümlerin gerçekleştirilmesi ve modellerin ve olayların saptanması yer alır. Veri görselleştirmeleri, zaman, frekans ve zaman-frekans alanlarındaki ilgilenilen sinyalleri analiz etmek için kullanılır.
Aşağıdaki çizim, bir Pasifik mavi balinasından alınan ses verileridir. Görselleştirme, sinyallerin zaman ve frekans alanında görselleştirilmesine yardımcı olan Signal Analyzer uygulaması kullanılarak MATLAB® içinde oluşturulur.
Bir Pasifik mavi balinasının sesinden çıkarılan ilgi alanı.
Görüntü İşleme ve Bilgisayarla Görme
Görüntü ve video işleme, şekilleri bulmaya, nesneleri saymaya, renkleri tanımlamaya, nesne özelliklerini ölçmeye ve diğer anlamlı bilgileri bulmaya yardımcı olur. Görüntü işleme teknikleri genellikle bilgisayarlı görü iş akışında bir ön işleme adımı olarak uygulanır. Bu alandaki uygulamalar arasında akıllı telefonlar için yüz tanıma, kendi kendine giden araçlarda yaya ve araçtan kaçınma, video gözetimi, tıbbi MRG’lerde tümör tespiti ve diğer görüntü alma sistemleri yer alır.
Örneğin BMW, çevredeki araçları tasvir etmek ve türlerini belirlemek için Destekli Sürüş Görünümü’ndeki (ADV) bilgisayarla görme özelliklerini kullanır.
BMW Destekli Sürücü Görünümü. MATLAB, görüntü kaydı, itiraz tespiti, temel gerçeği etiketleme ve ADV sahnesini test çıktısına göre test etme dahil olmak üzere otomatik doğrulama için kullanıldı.
Yapay Zeka (AI)
Veri görselleştirme, makine öğrenimi veya derin öğrenme kullanarak yapay zeka modellerinin geliştirilmesinde önemli bir rol oynar çünkü modeller, yorumlanması zor olan büyük veri kümelerine dayanır. Makine öğrenmesinde küme analizi, denetimli öğrenmede anormalliklerin ve verilerin ön işlenmesinin saptanmasına yardımcı olur. Ana bileşen analizi (PCA) ve t-dağıtılmış Stokastik Komşu Gömme (t-SNE), temel farklılaşan boyutlara odaklanabilmeniz için veri boyutlarını azaltmaya yardımcı oldukları için en çok kullanılan iki veri görselleştirme tekniğidir.
Derin öğrenmede, ağ doğruluğu ve kaybı grafikleri gibi veri görselleştirmelerini kullanarak eğitim ilerlemesini izleyebilir ve gradyan ağırlıklı sınıf etkinleştirme eşlemesi (Grad-CAM), tıkanma hassasiyeti, yerel yorumlanabilir model-agnostik açıklamalar ( LIME) ve derin rüya.
Fisher iris veri seti kullanılarak farklı süsen türlerinin grafikleri. tsne işlevi kullanılarak çizilen görselleştirmeler.
Veri Görselleştirme Nasıl Çalışır?
Yazılım paketleri, ham verileri çizimler, çizelgeler ve diyagramlar gibi zengin görselleştirmelere dönüştürmek için yetenekler sağlar. Aşağıda, bisiklet trafiği yoğunluğu verilerinin açıklayıcı bir örneği yer almaktadır. Yalnızca ham verileri görsel olarak inceleyerek, veri noktaları arasında bir ilişki kurmak zordur.
Ham bisiklet trafiği yoğunluğu verilerinin ön izlemesi.
Aşağıdaki çubuk grafik, bisiklet trafiği yoğunluğunun haftanın günlerine göre arttığını ve düştüğünü göstermektedir. Artık hafta içi bisikletli sayısının hafta sonlarına göre daha fazla olduğu açık. Bu görselleştirme, bu rotadaki bisikletlilerin ağırlıklı olarak işe gidip geldiklerini anlamamızı sağlıyor.
Bir çubuk grafik kullanılarak çizilen bisiklet trafik verileri.
Aynı verilerden daha fazla içgörü elde etmek için bir dağılım grafiği kullanılabilir. Aşağıdaki grafik, günün belirli saatlerinde doğuya ve batıya giden toplam bisiklet sayısını göstermektedir. Bu çizime dayanarak, doğuya giden rotaların iş bölgelerine, batıya giden rotaların ise yerleşim alanlarına çıktığı sonucuna varabiliriz. Ayrıca, yoğun saat trafiğinin doğuya giden rotada öğleden önce 8:00—10:00 ve batıya giden rotada öğleden sonra 16:00—18:00 arasında olduğunu belirleyebiliriz.
Günün saatine göre doğuya ve batıya giden bisiklet trafiği.
Sürü grafiği, günün farklı saatleri, haftanın günü ve yön için bisiklet trafiğinin yoğunluk modellerini gösterebilen özel bir tür dağılım grafiğidir.
Güne ve yöne göre bisiklet trafiğinin yoğunluğu.
Bisiklet trafiği örneğinde, verileri çubuk, dağılım ve sürü grafikleri gibi farklı grafik türleri ile görselleştirmek, trafiğin en yoğun olduğu günler, işe gidip gelme yönü ve günün en yoğun saati dahil olmak üzere veri kümesinden yararlı bilgiler çıkarmamıza yardımcı olur.
MATLAB ile Veri Görselleştirme
MATLAB, verileri analiz etmek, algoritmalar geliştirmek ve modeller oluşturmak için kullanılan bir programlama ve sayısal hesaplama platformudur. Verilerin doğrudan MATLAB’a alınması da dahil olmak üzere tüm veri analizi iş akışını destekler; bu verileri analiz etmek ve görselleştirmek; ve sonuçları dışa aktarma. Herhangi bir kod yazmadan verilerinizi görselleştirmek için etkileşimli uygulamaları kullanabilirsiniz; uygulamalar otomatik olarak sizin için uygun MATLAB kodunu üretecek, böylece çalışmanızı otomatikleştirip yeniden kullanabileceksiniz.
Veri Görselleştirmeleri Oluşturma
MATLAB, çeşitli uygulamalardan veri kümelerini görselleştirmek için çizgi çizimleri, dağılım grafikleri, dağılım grafikleri ve coğrafi çizimler gibi çok çeşitli yerleşik grafik türleri sunar. MATLAB dilini kullanarak etkileşimli veya programlı olarak görselleştirmeler oluşturabilirsiniz.
https://www.mathworks.com/videos/creating-a-basic-plot-interactively-68978.html – Video
Etkileşimli Temel Çizim Oluşturma
https://www.mathworks.com/videos/using-basic-plotting-functions-69018.html – Video
Programlı Olarak Temel Çizdirme İşlevi
Veri Görselleştirmelerini Keşfetme
Aşağıdakiler dahil olmak üzere görselleştirmenizi etkileşimli olarak keşfedebilirsiniz:
- Veri kümesinin belirli bir bölümünü yakınlaştırma ve uzaklaştırma
- Etkileşimli kaydırma ve döndürme görselleştirmeleri
- Trend çizgilerini veya veri değerlerini doğrudan görselleştirme üzerinde görüntüleme
- Veri noktalarını gölgeleme ve vurgulama
- Etki alanları arasında geçiş yapma (örn. zaman, frekans, S, Z alanı)
Veri Görselleştirmelerine Açıklama Ekleme ve Özelleştirme
Aşağıdakiler gibi iletmek istediğiniz temel bilgileri vurgulayarak görselleştirmelerinize etkileşimli olarak açıklama ekleyebilirsiniz:
- Önemli veri noktalarına açıklama ekleme
- Veri ipuçları ekleme
- Eksen etiketleri ekleme
- Farklı renk ve desenlere göre gruplama
- Veri işaretleri, çizgi stilleri ve renkler ekleme
MATLAB, etkileşimli grafik değişikliklerinizden otomatik olarak kod üretir. Bu kodu betiğinize ekleyerek yeniden kullanabilirsiniz.
Görselleştirmenizi değiştirdiğinizde Kodu Güncelle seçeneği.
- Karmaşık veri kümelerini basit grafikler kullanarak görselleştirmek zor olabilir. MATLAB, görselleştirme ihtiyaçlarınızı karşılamak için özel grafikler oluşturmanıza ve bunlara özel etkileşimler eklemenize olanak tanır.
- Örnekler şunları içerir:
- Sparklines Bileşeni—Tablo gibi çok vektörlü bir veri kümesindeki her vektörün genel eğilimini gösteren küçük çizgi grafikler oluşturun. Her satır/sütun için veri eğilimlerini gözlemleyin ve karşılaştırın.
- Yoğunluk Dağılım Grafiği—Noktaların yoğunluğunu belirlemek için renk (veya şeffaflık) kullanın.
- (Solda) Mini Grafikler bileşeni ve (sağda) yoğunluk dağılımı grafiği.
- MATLAB Central’da File Exchange’de özel grafik kapsayıcılarının daha fazla örneğini görme.
Veri Görselleştirmelerini Dışa Aktarma
Özelleştirilmiş açıklama ve görselleştirmelerinizi web’de, sunum ve raporlarda kullanmak üzere doğrudan aktarabilirsiniz.
Bir rakamı dışa aktarma.
Veri Görselleştirmeyi Veri Analizi ile Entegre Etme
Veri görselleştirme genellikle veri analizi ve ön işleme ile birleştirilir. Data Cleaner ve Signal Analyzer gibi MATLAB uygulamaları bu adımları birleştirir.
Etkileşimli kontroller, herhangi bir kod yazmaya gerek kalmadan işlemleri belirtmenize olanak tanır ve ilgili veri görselleştirmeleri doğrudan uygulamaya entegre edilir. Bu, belirli bir görevin sonuçlarını hemen görmenizi sağlar. Analiziniz ve ön işlemeniz tamamlandıktan sonra, uygulamalar, farklı veriler üzerinde bile adımları otomatikleştirmenize izin vermek için karşılık gelen MATLAB kodunu otomatik olarak oluşturabilir.
Signal Analyzer Uygulaması ile Sinyal Analizi Kolaylaştırıldı – Video alt yazısı
Uygulamaya Özel Görselleştirmeler
MATLAB araç kutuları, görselleştirmeyi veri ön işleme ve analizi ile birleştiren etkileşimli uygulamalarla birlikte uygulamaya özel görselleştirmeler sağlar.
Tek değişkenli veya çok değişkenli zaman serisi verilerini görselleştirmek ve analiz etmek için Ekonometrik Modelleyici uygulaması (Econometrics Toolbox™ içinde).
Çok aşamalı bir dijital aşağı dönüştürücünün (DSP System Toolbox™’ta) ayrı aşamalarının frekans tepkisi.
Bluetooth LE engelleme, intermodülasyon ve taşıyıcıdan parazite performans testi (Bluetooth® Araç Kutusunda).
Phased Array System Toolbox™ içinde Phased Array System için hüzmeleme.
MATLAB’ı Diğer Veri Görselleştirme Ürünleri ile Bağlama
Aşağıdakiler gibi diğer iş zekası araçlarıyla görselleştirmeler ve panolar oluşturmak için MATLAB’ın hesaplama ve veri işleme yeteneklerini kullanabilirsiniz:
Vaka Çalışması Bölümü
İlginç Veri Görselleştirme Uygulamaları
MATLAB’deki veri görselleştirme yetenekleri, kuruluşların araştırma hedeflerini etkili bir şekilde karşılamalarını sağladı.
Ford, Sürüş Döngüsü Testi Sonuçlarını Analiz Etmek İçin Bir Araç Geliştirdi
Ford’un Araç Enerji Yönetimi Mühendisliği ekibi, araçlarının emisyonlarını, yakıt ekonomisini ve performansını değerlendirmek için MATLAB’ı kullanarak CycleTool’u geliştirdi. Araç, donanım testi sonuçlarını model tahminlerine ve simülasyonlarına göre görselleştirerek sistem performansını değerlendirmelerine olanak tanır.
Özet uygulamasındaki eğilimleri seçmek için verileri fırçalama.
Yüksek Hızlı Kameralar ve Rüzgar Tüneli ile Kelebek Uçuşunun Şifresini Çözmek
Lund Üniversitesi araştırmacıları, kelebeklere ayırt edici, çırpınan örüntülerini neyin verdiğini öğrendiler ve görüntü işleme, veri analizi, modelleme ve görselleştirme için MATLAB’ı kullandılar. Mühendisler, kelebeklerin uçuş davranışlarını inceleyerek daha verimli ve dinamik uçan hatta yüzen dronlar yapabilirler. Araştırmacılar, kelebeklerin uçuş davranışı analizlerinden esinlenerek kanat tasarımlarının performansını analiz etmek ve karşılaştırmak için MATLAB veri görselleştirme özelliklerini kullandılar.
Esnek bir kanat, kanat çırpma kuvvetini ve verimliliğini artırır.
State Street Global Advisors, ESG Investing’e Şeffaflık Getirmek İçin Puanlama Modeli Geliştiriyor
State Street Global Advisors’daki geliştirme ekibi histogramlar, dağılım grafikleri, kutu grafikleri ve yatırımcıların bilinçli kararlar almasına ve çevresel, sosyal ve yönetişim (ESG) puanlarını artırmasına yardımcı olan bir sistem olan R-Factor™’un geliştirilmesinin bir parçası olarak algoritmalarını iyileştirmeye yönelik diğer görselleştirmeler.
Sektöre göre R-Factor ESG puanlarını gösteren histogram.
Bosch, Otomotiv Test Veri Analizi ve Görselleştirme için Tek Bir Platform Geliştiriyor
Bosch, ölçüm cihazlarından, test tezgahlarından ve araçlardan elde edilen test verilerini görselleştirmeye, işlemeye, analiz etmeye ve raporlar oluşturmaya yönelik bir araç olan ENValyzer’ı (Mühendislik Testi Veri Görselleştiricisi ve Analizörü) geliştirmek için MATLAB’ı kullandı. Bosch mühendisleri, verileri tek, ikincil, matris çizimi ve çoklu eksen görünümlerinde işleyebildi.
Önem oranı (PR) ile RPM spektrum sonuçlarını gösteren ENValyzer grafiği.
Veri Görselleştirme Hakkında Daha Fazlasını Öğrenin
