Unser ProjectionViewer ist ein Spezialistenwerkzeug der visuellen Datenanalyse, geignet sowohl für interessierte Einsteiger, als auch für den Spezialeinsatz für Experten der Datenanalyse. Unser ProjectionViewer ermöglicht Ihnen die visuelle Inspektion ihrer Daten mittels multivariater Projektionen, wie den Star Koordinaten oder den Radialen Visualisierungen. Zudem implementiert unser Modul die Orthographischen Star Koordinaten, welche Distanzverzerrungen während des Projektionsprozesses minimieren. Dabei handelt es sich allgemein bei multivariaten Projektionen um Projektionen, welche alle Spalten (=Dimensionen) und (!) alle Datenelemente (=Zeilen) ihrer Daten zur selben Zeit abbilden. Damit wird der Datensatz nicht nur vollständig dargestellt, sondern es werden auch Zusammenhänge erkennbar, an welchen mehrere Dimensionen beteiligt sind. Solche Zusammenhänge werden gerne als multivariate Zusammenhänge bezeichnet. Gegenüber den klassischen zwei-dimensionalen Darstellungen des BivariateViewers, können Sie mit unserem ProjectionViewer auch multivariaten Zusammenhänge erkennen, wodurch diese Modul einen starken Mehrwert in der Analyse ihrer Daten generiert. Aus technischer Sicht gilt zu beachten: Es gibt unendlich viele solcher Projektionen, und es ist unklar welche darzustellen sind und welche nicht (denn alle lassen sich nicht darstellen).
Aber auch hier haben wir vorgesorgt: Um Sie zu unterstützen den Projektionsraum nach interessanten Projektionen zu durchsuchen, bietet Ihnen das Modul eine Vielzahl an Methoden an: zum einen die manuelle Inspektion, bei welcher sie die Parameter (=Achsen) ihrer Projektion bequem interaktiv so setzen und verschieben können wie sie es möchten. Die zweite Methode sind die generellen projektiven Karten (=General Projective Maps), bei welcher das Konzept der Star Koordinaten und der Radialen Visualisierungen kombiniert wurden. Die dritte und stärkste Methode ist sich eine optimierte Menge an guten Projektionen vorberechnen zu lassen (=Optimal Set of Projections). Dies dauert ein paar Sekunden, aber danach können sie mit einem einfachen Slider durch alle interessanten Projektionen hindurch ’slidern‘. Sie sehen alle relevanten globalen Strukturen ihrer Daten, und alle relevanten Ausreißer ebenfalls. Einfacher kann man nicht mehr arbeiten! Für die Top-Experten unter Ihnen sei gesagt: natürlich bieten wir ihnen auch PCA und MDS-eske Konfigurationen an, und vieles mehr…
Für ein von uns präferiertes Anwendungsgebiet, dem visuellen Maschine Learning (also dem Trainieren von Modellen für die Klassifikation, das Clustern, und der Regression ganz allgemein mittels visueller Methoden), bietet der ProjectionViewer Werkzeuge für das Visuelle Clustern: mittels interaktiven visuellen Methoden können Sie ihre Daten auf Cluster hin untersuchen, und diese im Datensatz selbst speichern. Derart generieren Sie wahlweise Testdaten für ihre Maschine Learning Testszenarien, oder sie generieren eine Clusterisierung die möglicherweise semantisch besser ist, als Eine durch automatische Methoden gefundene. Kann das sein? Durchaus: Prof. Jon Kleinberg fand heraus, dass, vereinfacht ausgedrückt, nicht für jede semantisch sinnvolle Clusterisierung ein Maß existiert mit dem man automatisch die Daten clustern kann (=Kleinberg’s Impossibility Theorem). Sie aber kennen ihre Domain und Ihre Daten so gut, das sie manuell womöglich bessere Clusterergebnisse erzielen können. Wir unterstützen Sie dabei.
Insgesamt ist unser ProjectionViewer ein sehr starkes und mächtiges Werkzeug der Datenanalyse. Um sie schnell an den effizienten Umgang mit diesem Werkzeug zu gewöhnen, werden sie bedarfsorientiert durch Tutorien-Videos und Fallbeispiele geführt, und sie erlernen deart sehr schnell die Stärken dieses Moduls für sich zu nutzen.
Funktionen, welche der ProjectionViewer zur Verfügung stellt:
