有没有一种简单易用的方法来显示高维数据？

Question

有人可以告诉我，如果有一个很好的（简单）的方式来形象化高维数据？我的数据目前是21个维度，但我想看看它是密集还是稀疏。有没有技术来实现这一点？

Answer 1

Principal component analysis可能会有帮助，如果尺寸相关。

Answer 2

Parallel coordinates是可视化高维数据的流行方法。

什么样的可视化最适合您的数据，具体取决于它的特点 - 不同的维度有多相关？

Answer 3

星型模式。

http://en.wikipedia.org/wiki/Star_schema

可以很好地用于高维数据。

如果您的事实表的基数接近您的维度大小的乘积，那么您的数据密集。

如果事实数据表的基数小于维度大小的乘积，则表示数据稀疏。

中间有一个判断电话。

Answer 4

我会搜索的流行词是multidimensional scaling。这是一种从高维空间向下空间（2维或3维）投影的技术，其方式是在整个空间中靠近的点将在投影中靠近。

它通常用于可视化聚类算法的输出（即，如果您的群集在MDS投影中很紧凑，那么它们很可能也处于整个空间中）。

编辑：这不一定有助于确定数据是密集还是稀疏的，因为您在投影中丢失了比例尺，但它会显示它是统一的还是块状的（也许这就是您的意思）。

Answer 5

curios.IT数据浏览软件专为高维数据的可视化而设计：数据显示为3D对象（每个数据组一个）的集合，可同时显示多达13个变量。数据变量和视觉特征之间的关系比其他技术（如平行坐标）更易于记忆。

Answer 6

不知道你想从数据中看到什么样的模式。 t-SNE及其更快速的变体Barnes-Hut-SNE在高维数据的相关概念组可视化方面做得非常好。它可以通过R.

有一个简短的教程使用它对300维的高维数据。 http://www.codeproject.com/Tips/788739/Visualizing-High-Dimensional-Vector-using-T-SNE-wi

Answer 7

查看http://www.ggobi.org（游览，平行坐标，散点图矩阵）可用于实值变量。最近还有http://cranvas.org。 R中的游览包。

Answer 8

我一直在寻找可视化高维数据的方法，并发现这个已被有效使用的t-SNE technique。也可以帮助别人。

Answer 9

尝试使用http://hypertools.readthedocs.io/en/latest/。

HyperTools是一个用于在Python中可视化和操作高维数据的库。