AI实践哪家强?来 AICon, 解锁技术前沿,探寻产业新机! 了解详情
写点什么

Mirador:用于可视化搜索复杂数据集的免费工具

  • 2014-10-19
  • 本文字数:1741 字

    阅读完需:约 6 分钟

Mirador 是一个用于可视化搜索复杂数据集的开源工具。Mirador 由哈佛大学的 Sabeti 实验室、Broad 研究所以及信息可视化领域世界知名设计师 Ben Fry 创建的 Fathom Information Design 工作室联合开发的。传染病动力学中心和美国国家卫生研究院所赞助的 MIDAS 网络对 Mirador 项目提供了最初的支持。该工具主要用于复杂数据集的可视化搜索,最终目标是找到数据间可能存在的趋势或者关联,然后通过更专业的统计工具对这些趋势或者关联进行测试,推到出新的猜想。

原则上,Mirador 能够接受任何满足标准格式的表格作为输入数据。但是,开发人员对 Mirador 进行了一定的限制,使得它只能接受医疗卫生、流行病和传染病相关的数据。Mirador 允许检查数据集中任何两个变量组合所构成的数据图(包括散射图、柱状图以及 eikosograms 图等),并根据感兴趣的变量的关联值对变量进行排序。基于 Mirador 工具,用户可以进一步结合 Miralib、Gephi 等进行更加复杂的分析。例如,通过把 Mirador 的输出导入到 Gephi 中,用户可以计算网络模块度、节点集中度等等。

目前,Mirador 已经成为通过 GNU 公共授权 2.0 版本发布的开源项目。用户可以通过 Github 来下载 Mirador 工具的 Windows 版本 OS X 版本。更多 Mirador 相关的信息,读者可登录其官网或者 GitHub 查看。

更多内容可参见:

  • Mirador 数据竞争:探索公共数据、利用新发现赢取奖项 目前,Sabeti 实验室已经发起了一场关于上传数据赢大奖的竞赛。在 9 月 28 日至 10 月 28 日期间,用户只要通过应用程序上传自己的新发现到自己的账户就可以参与竞争。最终,Sabeti 实验室会召集相关领域的专家评选出数据集的前三名,并给与现金奖励。
  • 关联数据的网络表示:关于如何把带 Python 脚本的 Mirador 输出信息与其他可视化工具结合起来产生关联矩阵网络表示的教程 Mirador 能够检查数据集中任何两个变量组合所构成的数据图,并根据感兴趣变量的关联值对变量进行排序。它并不能计算所有变量间的关联性。但是,这一关联性正是产生系统关联矩阵的可视化表示以及数据中依赖结构的总体图像所必须的。为了计算该关联性,教程指出可以首先导出所感兴趣的变量的数据。然后,利用 Mirador 中的提供底层统计计算功能的数据库 Miralib 来计算关联矩阵。最后,采用 Gephi 或者其他软件打开关联矩阵即可完成网络数据的可视化工作。
  • 带 Mirador 的统计建模:关于如何在机器学习中使用 Mirador 的教程 该教程主要介绍了如何利用 Mirador 所找到的解释变量来训练一个逻辑表达式和神经网络预测器。教程使用示例文件夹中的肝炎数据集作为输入。其中,共包含寻找解释变量、输入缺失值、从已有数据中学习模型、逻辑表达式、神经网络等五个步骤。Mirador 主要负责在第一步中寻找解释变量,输出这些变量相关的数据。最终,所构建的预测器在测试集中的成功率为 85.11%。
  • 在复杂数据集中寻找关联:关于 Mirador 设计和开发的帖子
  • 定量测定关联性:描述基于互信息测量关联性的帖子 该帖子主要描述了互信息的定量测量方法,从而可以对数据的关联性进行排序。对包含大量变量的负责数据数据集,对其中变量的两两相关性进行表示是非常困难的。通常,这类工作需要很多的图标才能表示完整。然而,这些大量的图标中只有很少一部分是表示相关变量对的。为了能够提高效率,就需要某种索引或者等级制度来标注统计相关性。以互信息量作为标准正好可以作为一种尝试。由美国数学家 Claude E. Shannon 所提出的香农熵出发,互信息的概念被慢慢引入。最后,作者展示了如何利用互信息作为统计相关性测量标准来更清晰的表示变量之间的关系。
  • 可视化表示关联性:讨论利用 eikosogram 绘图来表示条件依赖的帖子 成功可视化的一个重要标志就是它能够揭露出不同变量之间的某种未知关系,从而让观察者可以方便的找到数据背后隐藏的信息。如果变量可以用实数表示,散点图是一种经常被使用的、用来表示两个变量关系的数据分析图。然而,对于一些变量,散点图并不能直观的展示出变量间的真正关系。作者发现,利用 eikosogram 图表示是最有效解决散点图问题的方法。

感谢郭蕾对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ )或者腾讯微博( @InfoQ )关注我们,并与我们的编辑和其他读者朋友交流。

2014-10-19 03:202537
用户头像

发布了 268 篇内容, 共 131.7 次阅读, 收获喜欢 24 次。

关注

评论

发布
暂无评论
发现更多内容

天猫商品详情 API 接口:功能、调用与实战攻略

tbapi

天猫商品详情接口 天猫API 天猫数据采集 天猫商品详情api

腾讯云全球生态大会成都峰会:一场技术与生态的深度对话

VyrnSynx

腾讯云 腾讯数字生态大会 技术嘉年华 腾讯云智能 腾讯云 AI 代码助手

怎么彻底清除Mac的系统数据?MacBook释放存储空间一文通

阿拉灯神丁

存储空间 CleanMyMac 苹果电脑必备软件 系统清理软件 mac系统维护

【前瞻技术布局】打破“沙漏“现象→提高生成式搜索/推荐的上限

京东科技开发者

《Operating System Concepts》阅读笔记:p808-p820

codists

操作系统

原生 APP 的性能测试

北京木奇移动技术有限公司

软件外包公司 APP外包公司 APP开发公司

Web3项目的开发的性能测试

北京木奇移动技术有限公司

软件外包公司 APP外包公司 APP开发公司

音乐NFT项目开发的性能优化

北京木奇移动技术有限公司

区块链技术 软件外包公司 音乐NFT

MCP云托管最优解,揭秘国内最大MCP中文社区背后的运行时

阿里巴巴云原生

阿里云 Serverless 云原生

当AI代理遇上DeCloud会发生什么?

PowerVerse

AI 算力 web3 DePIN DeCloud

设计模式-策略模式

京东科技开发者

中科曙光AI竞争力领跑全国TOP100榜单

科技热闻

AI与智能农业:如何通过精准农业提升作物产量与资源使用效率?

天津汇柏科技有限公司

人工智能

程序员必备:使用Cursor+MCP 提高开发效率+避坑指南

博文视点Broadview

告别提示词混乱!梦精灵提示词管理器让创作更高效​

龙正哲

Prompt prompt 工程 提示词管理

跨境物流公司有必要买堡垒机吗?

行云管家

网络安全 数据安全 堡垒机 跨境电商

25年青海省正规等保测评机构名单汇总

行云管家

等保 等级保护 等保测评

别再用“过时源码”做陪玩小程序!这版代码让用户留存率飙升60%的3个狠招

DUOKE七七

上门预约家政系统平台网站/app/小程序源码

网站,小程序,APP开发定制

驭电·新境 长安马自达MAZDA EZ-60全球首秀

极客天地

百度智能云推出千帆数据智能平台

科技热闻

MES:助力新材料行业实现无纸化与智能制造

万界星空科技

mes 新材料 新材料mes 新材料行业

敏捷开发框架下的低代码应用:交付效率与代码质量的协同优化路径

JeeLowCode低代码平台

低代码 低代码开发 低代码平台 低代码, 低代码引擎

原生App和H5 App的性能比较

北京木奇移动技术有限公司

APP开发 软件外包公司 APP外包

一文彻底搞懂Transformer:原理、应用与测试开发指南

测试人

人工智能

从“被动应对”到“主动合规”——零信任架构下的等保 2.0 与密评密改双合规

权说安全

网络安全 密码 零信任

如何利用科学的预算管理为企业释放更多价值

智达方通

企业管理 全面预算管理 预算管理

行稳、致远 | 技术驱动下的思考感悟

京东科技开发者

什么是采购管理?如何做好采购管理?

积木链小链

数字化转型 数字化 智能制造

Aloudata Agent 36 问,深度解惑!

Aloudata

数据分析 大模型 指标平台 ChatBI 智能问数

原生App和H5 App的对比

北京木奇移动技术有限公司

软件外包公司 原生APP开发 APP外包公司

Mirador:用于可视化搜索复杂数据集的免费工具_大数据_张天雷_InfoQ精选文章