সমান্তরাল স্থানাঙ্ক প্লটের জন্য একটি সহজ ব্যাখ্যা

Question

আমি অনেক সমান্তরাল স্থানাঙ্ক প্লট পড়েছি এবং দেখেছি। নিম্নলিখিত প্রশ্নগুলির কেউ উত্তর দিতে পারে:

1. সাধারণ কথায় সমান্তরাল স্থানাঙ্ক প্লট (পিসিপি) কী কী, যাতে কোনও সাধারণ লোক বুঝতে পারে?
2. সম্ভব হলে কিছু স্বজ্ঞাত সহ একটি গাণিতিক ব্যাখ্যা
3. পিসিপি কখন কার্যকর এবং কখন সেগুলি ব্যবহার করবেন?
4. পিসিপি কখন কার্যকর হয় না এবং কখন এড়ানো উচিত?
5. পিসিপির সম্ভাব্য সুবিধা এবং অসুবিধাগুলি

Comments

দুর্দান্ত বিষয় - আপনি এই প্রশ্নের জন্য অনেকগুলি +1 পাবেন ...

— তাল গ্যালিলি

@ টাল .. ধন্যবাদ :-) তবে আমি আরও জানতে এবং সম্ভবত উইকি নিবন্ধটি প্রসারিত করতে চেয়েছিলাম, যা খুব বেশি তথ্যপূর্ণ নয়।

— সানকুলসু

দুর্দান্ত উদ্দীপনা :)

— তাল গালিলি

Answer 1

আমার কাছে মনে হয়েছে যে পিসিপি-র মূল কাজটি হ'ল ব্যক্তিদের একজাতীয় দলকে হাইলাইট করা বা বিপরীতভাবে (ডুয়াল স্পেসে, পিসিএর সাথে সাদৃশ্য করে) বিভিন্ন ভেরিয়েবলের সংযুক্তির নির্দিষ্ট নিদর্শনগুলি। যখন এটি খুব বেশি ভেরিয়েবল না থাকে তখন এটি মাল্টিভারিয়েট ডেটা সেটের কার্যকর গ্রাফিকাল সংক্ষিপ্তসার উত্পাদন করে। ভেরিয়েবলগুলি স্বয়ংক্রিয়ভাবে একটি নির্দিষ্ট পরিসরে (সাধারণত, 0–1) স্কেল করা হয় যা স্ট্যান্ডার্ডযুক্ত ভেরিয়েবলগুলির সাথে কাজ করার সমতুল্য (স্কেলিং ইস্যুটির কারণে অন্যের উপর একটি ভেরিয়েবলের প্রভাব রোধ করতে) তবে খুব উচ্চ মাত্রিক ডেটা সেট (# ভেরিয়েবল> 10) এর সাথে অবশ্যই আপনাকে অন্যান্য প্রদর্শনগুলিতে নজর দিতে হবে যেমন মাইক্রোরে স্টাডিতে ব্যবহৃত ওঠানামা প্লট বা হিটম্যাপ ।

এটি এই জাতীয় প্রশ্নের উত্তর দিতে সহায়তা করে:

• স্বতন্ত্র স্কোরগুলির কোনও ধারাবাহিক প্যাটার্ন রয়েছে যা নির্দিষ্ট শ্রেণীর সদস্যপদ (যেমন লিঙ্গ পার্থক্য) দ্বারা ব্যাখ্যা করা যেতে পারে?
• সেখানে দুই বা ততোধিক ভেরিয়েবল (যেমন কম স্কোর পরিবর্তনশীল পালন পালন স্কোর মধ্যে কোনো নিয়মানুগ covariation হয় উপর উচ্চ স্কোর সবসময় যুক্ত করা হয় )?$X_1$$X_2$

আইরিস উপাত্তের নিম্নলিখিত প্লটটিতে স্পষ্টভাবে দেখা গেছে যে পাপড়ি দৈর্ঘ্য এবং প্রস্থ বিবেচনা করার সময় প্রজাতিগুলি (এখানে বিভিন্ন বর্ণে দেখানো হয়েছে) খুব বৈষম্যমূলক প্রোফাইল দেখায় বা আইরিস সেটোসা (নীল) তাদের পাপড়ি দৈর্ঘ্যের ক্ষেত্রে সম্মানজনকভাবে আরও একজাতীয় ( উদাহরণস্বরূপ, তাদের বৈকল্পিক কম)।

এমনকি আপনি এটি পিসিএর মতো শ্রেণিবিন্যাস বা মাত্রা হ্রাস কৌশলগুলির ব্যাকএন্ড হিসাবে ব্যবহার করতে পারেন। বেশিরভাগ ক্ষেত্রে, পিসিএ করার সময়, বৈশিষ্ট্যগুলির স্থান হ্রাস করার পাশাপাশি আপনি ব্যক্তিদের ক্লাস্টারগুলি হাইলাইট করতে চান (উদাহরণস্বরূপ এমন ব্যক্তিরা আছেন যারা কিছু পরিবর্তনশীলগুলির সংমিশ্রণে পরিকল্পিতভাবে উচ্চতর স্কোর করেন); সাধারণত ফ্যাক্টর স্কোর উপর হায়ারারকিকাল ক্লাস্টারিং কোন ধরণের প্রয়োগ এবং গৌণিক স্থান ফলে ক্লাস্টার সদস্য (দেখুন হাইলাইট করে ডাউন FactoClass আর প্যাকেজ)।

এটি ক্লাস্টারগ্রামগুলিতে ( ভিজুয়ালাইজিং অ-হায়ারার্কিকাল অ্যান্ড হায়ারারিকিকাল ক্লাস্টার অ্যানালাইসিস ) ব্যবহার করা হয় যা ক্লাস্টারের সংখ্যা বৃদ্ধি করার সময় ক্লাস্টার বরাদ্দ কীভাবে বিকশিত হয় তা পরীক্ষা করে দেখার লক্ষ্য (এটিও দেখুন, অগ্রগামী শ্রেণিবদ্ধ ক্লাস্টারিংয়ের স্টপ-মাপদণ্ড অনুশীলনে কীভাবে ব্যবহৃত হয়? )

এ জাতীয় প্রদর্শনগুলি সাধারণত স্ক্যাটারপ্লটগুলির সাথে সংযুক্ত থাকে (যা নির্মাণের মাধ্যমে 2D-সম্পর্কের মধ্যে সীমাবদ্ধ থাকে) এটিকে ব্রাশিং বলা হয় এবং এটি জিজিবি ডেটা ভিজ্যুয়ালাইজেশন সিস্টেম, বা মন্ড্রিয়ান সফ্টওয়্যারটিতে উপলব্ধ।

Answer 2

3, 4, এবং 5 টি প্রশ্নের ক্ষেত্রে আমি আপনাকে এই কাজটি চেক করার পরামর্শ দিচ্ছি

সমান্তরাল স্থানাঙ্কে অনুধাবনগুলি: সম্পর্কের সনাক্তকরণের জন্য চৌম্বক নির্ধারণ করে: জিমি জোহানসন, ক্যামিলা ফোরসেল, ম্যাটস লিন্ড, ইনফরমেশন ভিজুয়ালাইজেশনে ম্যাথিউ কুপার , খণ্ড। 7, নং 2. (2008), পৃষ্ঠা 152-162।

তাদের অনুসন্ধানের সংক্ষিপ্তসার হিসাবে, লোকেরা প্রতিটি নোডের মধ্যে সম্পর্কের opeালের দিক চিহ্নিতকরণে ঠিক আছে, তবে সম্পর্কের শক্তি বা opeালের ডিগ্রী সনাক্তকরণে এটি খুব ভাল নয়। তারা প্রস্তাবিত উচ্চ স্তরের গোলমাল দেয় যাতে লোকেরা নিবন্ধে সম্পর্কটি আরও ব্যাখ্যা করতে পারে। দুর্ভাগ্যক্রমে নিবন্ধটি chl এর মতো রঙের মাধ্যমে রঙের মাধ্যমে উপগোষ্ঠীগুলি সনাক্ত করার বিষয়ে আলোচনা করে না।

Answer 3

দয়া করে http://www.cs.tau.ac.il/~aiisreal/ দেখুন এবং নতুন বইটি দেখুন

সমান্তরাল স্থানাঙ্ক - সমস্যা সমাধানের প্রক্রিয়াটিতে এই মানবিক পদ্ধতিতে চমত্কার মানবিক প্যাটার্ন স্বীকৃতিকে নিয়মিতভাবে অন্তর্ভুক্ত করার জন্য এই বইটি ... www.springer.com/math/cse/book/978-0-387-21507-5।

সিএইচ। 10 বহুবিধ ডেটা সহ প্রচুর বাস্তব উদাহরণ রয়েছে যা দেখায় যে কীভাবে সমান্তরাল স্থানাঙ্ক (অ্যাব্রি। || -সিএস) ব্যবহার করা যায়। ভিজ্যুয়ালাইজ করা এবং মাল্টিভারিয়েট / মাল্টিডিমাইশনাল রিলেশনগুলি (পৃষ্ঠতল) এবং কেবলমাত্র পয়েন্ট সেটগুলির সাথে কাজ করার জন্য কিছু গণিত শেখার পক্ষে মূল্যবান। অনেক মাত্রা যেমন মোবিয়াস স্ট্রিপ, উত্তল সেট এবং আরও অনেক কিছুতে অবজেক্টের অ্যানালগগুলি দেখে এবং কাজ করা মজাদার।

সংক্ষেপে || -cs একটি বহুমাত্রিক সমন্বয় ব্যবস্থা যেখানে অক্ষগুলি একে অপরের সাথে সমান্তরাল হয় যাতে প্রচুর অক্ষটি দেখা যায়। পদ্ধতিটি এয়ার ট্র্যাফিক কন্ট্রোল, কম্পিউটার ভিশন, প্রক্রিয়া নিয়ন্ত্রণ এবং সিদ্ধান্ত সমর্থনে সংঘাতের রেজোলিউশন অ্যালগরিদমগুলিতে প্রয়োগ করা হয়েছে।