WO2014091712A1 - 可視化装置、可視化方法および可視化プログラム - Google Patents

可視化装置、可視化方法および可視化プログラム Download PDF

Info

Publication number
WO2014091712A1
WO2014091712A1 PCT/JP2013/007078 JP2013007078W WO2014091712A1 WO 2014091712 A1 WO2014091712 A1 WO 2014091712A1 JP 2013007078 W JP2013007078 W JP 2013007078W WO 2014091712 A1 WO2014091712 A1 WO 2014091712A1
Authority
WO
WIPO (PCT)
Prior art keywords
attribute group
evaluation index
visualization
data
attribute
Prior art date
Application number
PCT/JP2013/007078
Other languages
English (en)
French (fr)
Inventor
健児 青木
森永　聡
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US14/652,153 priority Critical patent/US10013469B2/en
Priority to JP2014551875A priority patent/JP6330665B2/ja
Publication of WO2014091712A1 publication Critical patent/WO2014091712A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services

Definitions

  • the present invention relates to a visualization device and a visualization method for making it possible to grasp an outline of a data structure, in particular, a data distribution, in order to examine preprocessing and analysis methods to be applied when performing data analysis on high-dimensional data.
  • the present invention relates to a method and a visualization program.
  • Data visualization technology is an indispensable technology for efficient data analysis work. With the development of sensing technology and information management technology, the need for data has become ever larger and more complex.
  • the following scenes can be considered as typical application scenes of data visualization technology in the field of data analysis.
  • PCP Parallel Coordinate Plot
  • Principal component analysis and multidimensional scaling are useful in terms of preserving and visualizing information indicating the scattering of data points in a multidimensional space as much as possible.
  • SPM and PCP are useful in that the relationship between specific minority dimensions existing in a high dimension is visualized as a whole with one figure.
  • Patent Document 1 describes a method of classifying learning data having continuous numerical attributes by a decision tree based on data distribution characteristics to facilitate determination and change of a model structure.
  • each node in the generated decision tree is divided into an objective function that is a data group related to a certain attribute and the remaining plural attributes. Is displayed as a scatter diagram with an explanatory function which is a data group related to.
  • the attribute displayed as a scatter diagram is fixed to an objective variable and one explanatory variable. Therefore, the attribute to be displayed cannot be set for each node. Therefore, for example, when analyzing a data structure existing in high-dimensional data, the data structure that the user (analyzer) can overview is limited to a part of the data structure.
  • the present invention provides a visualization apparatus, a visualization method, and a visualization method that can provide an overview of a characteristic data structure existing in high-dimensional data to be analyzed when a user analyzes high-dimensional data.
  • the purpose is to provide a visualization program.
  • the visualization apparatus relates to data related to a second attribute group including one or more attributes that is conditioned by the first attribute group including one or more attributes among the high-dimensional data to be visualized.
  • An evaluation index calculation unit that calculates a value of an evaluation index that represents the degree of feature for each combination of the first attribute group and the second attribute group, and the value of the evaluation index based on a predetermined criterion
  • a visualization processing unit that generates image information for presenting a combination of the first attribute group and the second attribute group, which is determined to be large.
  • the visualization apparatus narrows down data having a characteristic structure in the high-dimensional data before performing the visualization process itself.
  • the data is given in a matrix format of [sample ⁇ attribute].
  • attributes and dimensions are synonymous.
  • the visualization apparatus applies the visualization process itself to the narrowed data.
  • As a method for narrowing down data having a characteristic structure consider focusing on data related to some other attribute (second attribute group) conditioned by some attribute (first attribute group).
  • second attribute group conditioned by some attribute
  • first attribute group it is assumed that there are a plurality of combinations of the first attribute group and the second attribute group. Therefore, it is desirable to extract as many combinations as possible from the viewpoint of visualization that allows an analyst to view as many data structures as possible.
  • evaluation index for example, an amount such as a correlation coefficient or a degree of separation / mutual information when class information is given can be considered.
  • Class information is an attribute representing the amount to be predicted in data analysis. For example, in marketing in CRM (Customer Relationship Management), an attribute representing a customer's purchase behavior corresponds to class information.
  • the degree of separation is the accuracy rate of classification.
  • the visualization apparatus provides an interface that allows an analyst to view the entire combination at a time as much as possible.
  • a method for allowing the entire combination of attribute groups to be overviewed at a time there is a method of arranging graphs in a tree view (Tree View) format to be described later.
  • the visualization method relates to data related to a second attribute group including one or more attributes that are conditioned by the first attribute group including one or more attributes among the high-dimensional data to be visualized. , Calculating the value of the evaluation index representing the degree of feature for each combination of the first attribute group and the second attribute group, and determined that the value of the evaluation index is large based on a predetermined criterion, Image information for presenting a combination of the first attribute group and the second attribute group is generated.
  • the visualization program provides a computer with a second attribute group including one or more attributes conditioned by a first attribute group including one or more attributes among the high-dimensional data to be visualized.
  • the process of calculating the value of the evaluation index representing the feature degree for each combination of the first attribute group and the second attribute group, and the value of the evaluation index based on a predetermined criterion A process of generating image information for presenting a combination of the first attribute group and the second attribute group, which is determined to be large, is executed.
  • Embodiment 1 FIG. A first embodiment of the present invention will be described below with reference to the drawings.
  • FIG. 1 is an explanatory diagram showing an example of the result of visualizing five-dimensional data with SPM.
  • the sample represents, for example, each customer when the class information is purchase behavior.
  • FIG. 1 shows a scatter diagram for any two-dimensional combination of the five dimensions.
  • a decision tree is used as a method for narrowing down data. Also, since the classification problem is considered here, the degree of separation between “ ⁇ ” and “ ⁇ ” is considered as an index representing the feature level.
  • FIG. 2 is an explanatory diagram showing an example of a decision tree created based on the five-dimensional data shown in FIG.
  • the inequality in the decision tree shown in FIG. 2 represents a branch condition, and the leaf number represents “number of circles” or “number of x”.
  • the visualization apparatus extracts “ ⁇ ” and “x” as nodes closer to the root of the tree, that is, nodes closer to the top of FIG. Therefore, for example, it can be read from the decision tree shown in FIG. 2 that the attribute V1 is the best separation between “ ⁇ ” and “x” as in the scatter diagram shown in FIG. Further, it can be read that the attribute V2 is the best separation between “ ⁇ ” and “x” for the data with the attribute V1 value of 0.02335 or more. Further, it can be read that the attribute V3 is the best separation between “ ⁇ ” and “x” for the data with the attribute V1 value less than 0.02335.
  • the visualization apparatus provides an interface as shown in FIG. 3 as an output result so that the information regarding the classification of “ ⁇ ” and “x” can be overviewed at a time.
  • FIG. 3 is an explanatory diagram showing an example of the output result of the visualization device for the five-dimensional data shown in FIG.
  • three scatter diagrams are arranged so as to correspond to the structure of the decision tree shown in FIG.
  • a dotted line in each scatter diagram shown in FIG. 3 is drawn at a position corresponding to the value of the left side of the inequality in each node shown in FIG.
  • the scatter diagram B represents data related to the attribute V3, the attribute V5, and the attribute V4, which is limited to a sample having a small value of the attribute V1, that is, conditioned by the attribute V1.
  • the attribute V1 corresponds to the first attribute group
  • the attribute V3, the attribute V5, and the attribute V4 correspond to the second attribute group.
  • the attribute V1 corresponds to the first attribute group
  • the attribute V2, the attribute V4, and the attribute V5 correspond to the second attribute group.
  • FIG. 3 includes three scatter plots, but the output result may include any number of scatter plots.
  • the number of scatter plots may be changed according to the depth of the tree, or scatter corresponding to nodes that separate " ⁇ " and "x" well, that is, nodes with particularly large evaluation index values. Only the figure may be included in the output result. Note that whether or not the node sufficiently separates “O” and “X” may be determined based on, for example, whether or not the value of the evaluation index is greater than a predetermined reference.
  • FIG. 4 is a block diagram showing the configuration of the first embodiment of the visualization apparatus according to the present invention.
  • the visualization apparatus includes a data / parameter input unit 101, a decision tree creation unit 102, a decision tree storage unit 103, a tree view format scatter diagram creation unit 104, and an image output unit 105. .
  • the data / parameter input unit 101 inputs high-dimensional data to be visualized, decision tree parameters, and scatter diagram parameters from the outside of the apparatus.
  • the decision tree parameter is a parameter necessary when creating a decision tree.
  • the scatter diagram parameter is a parameter necessary for image output.
  • the data parameter input unit 101 inputs, for example, an index for evaluating the goodness of division, an algorithm for creating a decision tree, the depth of the tree, the minimum size of data belonging to a leaf, and the like as decision tree parameters.
  • the data / parameter input unit 101 outputs the input data and parameters to the decision tree creation unit 102 and the tree view format scatter diagram creation unit 104.
  • the decision tree creation unit 102 inputs data to be visualized and decision tree parameters from the data / parameter input unit 101.
  • the decision tree creation unit 102 creates a decision tree as shown in FIG. 2 for the input data, according to the information of the input decision tree parameters. Note that numerical values such as “0.02335” and “ ⁇ 1.227” in the inequality shown in FIG. 2 are numerical values calculated by the decision tree creation unit 102 and are examples thereof.
  • the decision tree creation unit 102 outputs information about the created decision tree to the decision tree storage unit 103.
  • the decision tree storage unit 103 stores information regarding the decision tree input from the decision tree creation unit 102.
  • the tree view scatter diagram creation unit 104 inputs data to be visualized and scatter diagram parameters from the data / parameter input unit 101.
  • the tree view format scatter diagram creation unit 104 acquires information about the decision tree from the decision tree storage unit 103.
  • the tree view format scatter diagram creation unit 104 scatters data to be visualized as shown in FIG. 1 in a tree view format as shown in FIG. 3 based on the scatter diagram parameters and information about the decision tree. Create a diagram.
  • the tree view scatter diagram creation unit 104 outputs image information including the created scatter diagram to the image output unit 105.
  • the scatter diagram parameters are parameters for designating, for example, the color and shape of the sample in the scatter diagram shown in FIG. 3, the presence / absence of axis labels and scales, and the presence / absence of dotted lines.
  • the image output unit 105 is, for example, a display device or a printer.
  • the image output unit 105 outputs image information including the tree view format scatter diagram input from the tree view format scatter diagram creation unit 104.
  • the data / parameter input unit 101, the decision tree creation unit 102, and the tree view format scatter diagram creation unit 104 are realized by, for example, a computer that operates according to a visualization program.
  • the CPU may read the visualization program and operate as the data / parameter input unit 101, the decision tree creation unit 102, and the tree view format scatter diagram creation unit 104 according to the program.
  • the data / parameter input unit 101, the decision tree creation unit 102, and the tree view format scatter diagram creation unit 104 may be realized by separate hardware.
  • the decision tree storage unit 103 is realized by a storage device such as a memory provided in the visualization device.
  • FIG. 5 is a flowchart showing the operation of the first embodiment of the visualization apparatus according to the present invention.
  • the data / parameter input unit 101 inputs high-dimensional data to be visualized, decision tree parameters, and scatter diagram parameters (step S101). For example, the analyst inputs the data and the parameters to the data / parameter input unit 101.
  • the data / parameter input unit 101 outputs the high-dimensional data to be visualized and the decision tree parameters to the decision tree creation unit 102.
  • the data / parameter input unit 101 outputs high-dimensional data to be visualized and scatter diagram parameters to the tree view format scatter diagram creation unit 104.
  • the decision tree creation unit 102 creates a decision tree according to the data to be visualized input from the data / parameter input unit 101 and the information of the decision tree parameter, and stores information about the created decision tree in the decision tree storage unit 103. Store (step S102).
  • the tree view format scatter diagram creation unit 104 is configured as shown in FIG. A scatter diagram as shown, that is, a scatter diagram arranged in a tree view format is created (step S103).
  • the tree view scatter diagram creation unit 104 outputs image information including the created scatter diagram to the image output unit 105.
  • the image output unit 105 outputs image information including a tree view format scatter diagram (step S104).
  • data having a characteristic structure is narrowed down in high-dimensional data before performing the visualization process itself.
  • a tree view format created based on information about the decision tree used to narrow down the data so that more characteristic data structures existing in high-dimensional data can be viewed more at once.
  • Output a scatter plot of. Accordingly, when analyzing high-dimensional data, the analyst can grasp a plurality of characteristic data structures existing in the data. As a result, the analyst can make a guide as to what pre-processing and analysis method should be applied.
  • samples having a characteristic data structure are extracted in advance and analyzed separately as preprocessing when analyzing high-dimensional data. It becomes possible. In addition, it is possible to provide information for determining the number of mixtures and a model in each component when a multimodal model such as a mixed normal distribution is applied to data as analysis means.
  • the visualization device includes the image output unit.
  • the image output unit may not be included in the visualization device.
  • the tree view scatter diagram creation unit 104 may output image information to an external display or printer that can communicate with the visualization device. According to such a configuration, the configuration of the visualization device can be further simplified.
  • the degree of separation is used as the evaluation index representing the feature degree.
  • a correlation coefficient may be used.
  • entropy may be used as an evaluation index representing the feature level.
  • the case where the scatter diagram is displayed in the tree view format is described.
  • the PCP may be displayed in the tree view format.
  • the case where the decision tree creation unit 102 creates a decision tree using a binary tree has been described.
  • the decision tree creation unit 102 creates a decision tree using a multi-tree other than the binary tree. You may make it do.
  • the tree view format scatter diagram creation unit 104 may create a tree view format scatter diagram corresponding to the configuration of the decision tree.
  • the present invention is applicable to all scenes where knowledge is discovered from high-dimensional data.
  • the visualization device according to the present invention is used. Can be used. In that case, it is possible to overview in advance whether or not there is a characteristic structure between the data relating to the type of the specific cause of failure and the data relating to the type of sensor at the examination stage of the analysis method.
  • the visualization apparatus according to the present invention can be used in the same way in the case of investigating the relationship between customer personal information and purchasing behavior in CRM marketing.
  • FIG. 6 is a block diagram showing the minimum configuration of the visualization apparatus according to the present invention.
  • the visualization device includes a second attribute including one or more attributes that is conditioned by a first attribute group including one or more attributes among the high-dimensional data to be visualized.
  • the evaluation index calculation unit 11 calculates the value of the evaluation index representing the degree of feature for each combination of the first attribute group and the second attribute group.
  • Visualization processing for generating image information for presenting a combination of the first attribute group and the second attribute group, which has been determined that the value of the evaluation index is large based on a predetermined criterion And a unit 12 (corresponding to the tree view scatter diagram creation unit 104 shown in FIG. 4).
  • a visualization device in which the evaluation index calculation unit 11 uses a binary tree as a criterion for conditioning the second attribute group with the first attribute group.
  • a visualization apparatus in which the evaluation index calculation unit 11 uses the correct rate of class classification as an evaluation index representing the degree of feature when class information is given regarding data to be visualized.
  • a visualization apparatus that uses entropy as an evaluation index representing the degree of feature when the evaluation index calculation unit 11 is given class information regarding data to be visualized.
  • the evaluation index representing the characteristic degree of the data structure can be expressed as a numerical value, the comparison of the evaluation index for each combination of the first attribute group and the second attribute group is more performed. Can be done accurately.
  • Image information in which a two-dimensional scatter diagram corresponding to the combination of the first attribute group and the second attribute group, which is determined by the visualization processing unit 12 to have a large evaluation index value, is arranged in a tree view format.
  • Visualization device to output.
  • the visualization processing unit 12 outputs image information in which parallel coordinate plots corresponding to combinations of the first attribute group and the second attribute group, which are determined to have a large evaluation index value, are arranged in a tree view format. Visualization device.
  • the analyst can overview more characteristic data structures existing in the high-dimensional data to be visualized at a time.
  • combinations of attribute groups having larger evaluation index values are displayed at positions closer to the top of the tree view, the analyst can easily interpret the visualized contents.
  • only scatter diagrams corresponding to combinations of attribute groups with particularly large evaluation index values can be presented to the user, even if the number of data and the number of dimensions of the high-dimensional data to be visualized increase, There is no complication.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、第一の属性群と第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出する評価指標算出部１１と、予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する可視化処理部１２とを備える。

Description

可視化装置、可視化方法および可視化プログラム
　本発明は、高次元データに対してデータ分析を行う際に、適用すべき前処理や分析手法の検討のためにデータ構造、特にデータ分布の概要を把握できるようにするための可視化装置、可視化方法および可視化プログラムに関する。
　データ分析作業において効率的に作業を進めるために、データ可視化技術は必須の技術である。センシング技術および情報管理技術の発達に伴い、データの巨大化・複雑化が進む昨今その必要性はさらに増大している。
　データ分析の分野におけるデータ可視化技術の代表的な適用場面として以下の場面が考えられる。（１）分析の前段階としてデータ構造を概観する場面、（２）機械学習の技術などによってデータ構造をモデルとして学習した際に学習結果を解釈する場面、（３）学習したモデルを用いて予測を行なった際に予測結果を考察する場面。
　（１）の場面において、データ構造を概観するために用いられる代表的な可視化手段として、例えば、主成分分析や多次元尺度法などの多変量解析手法を用いて高次元データを低次元に圧縮した後に、その圧縮されたデータを二次元散布図などで表示する方法がある。また、もとの高次元データから得られる二次元データの全組み合わせに対する二次元散布図を行列形式に並べるＳｃａｔｔｅｒ　Ｐｌｏｔ　Ｍａｔｒｉｘ（以下、ＳＰＭという。）と呼ばれる可視化手法がある。また、各次元に対応する軸を縦に平行に配置して全ての次元で最小値が下端に、最大値が上端になるように観測値をプロットして隣接する軸上の観測値を線分で結ぶＰａｒａｌｌｅｌ　Ｃｏｏｒｄｉｎａｔｅ　Ｐｌｏｔ（以下、ＰＣＰ、または平行座標プロットという。）と呼ばれる可視化手法がある。
　主成分分析や多次元尺度法は、多次元空間上でのデータ点の散らばりを示す情報を可能な限り保存して視覚化するという点で有用である。また、ＳＰＭやＰＣＰは、高次元中に存在する特定の少数次元間の関係を全体として一つの図によって視覚化するという点で有用である。
　特許文献１には、連続数値属性にある学習データをデータ分布特徴に基づいて決定木により分類し、モデル構造の決定や変更を容易にする方法が記載されている。特許文献１に記載された方法では、データの分布特徴を理解できるようにするために、生成した決定木における各ノードを、ある一の属性に係るデータ群である目的関数と、残りの複数属性に係るデータ群である説明関数との散布図として表示する。
特開２００４－１５７８１４号公報
　主成分分析においては、例えば、データによっては比較的低次元であっても可視化された内容の解釈が困難になる、という問題が存在する。また、多次元尺度法においては、例えば、データ数・次元数が大きくなると図そのものが煩雑になる、という問題が存在する。従って、これらの可視化手法は万能であるとは言えない。
　また、特許文献１に記載された方法では、散布図として表示する属性が、目的変数とある一つの説明変数とに固定されている。従って、表示する属性をノードごとに設定することができない。そのため、例えば高次元データに存在するデータ構造を分析しようとした場合に、ユーザ（分析者）が概観できるデータ構造はそのうちの一部に限定される。
　そこで、本発明は、ユーザが高次元データを分析する際に、分析対象となる高次元データに存在する特徴的なデータ構造についてより多くのデータ構造を概観することができる可視化装置、可視化方法および可視化プログラムを提供することを目的とする。
　本発明による可視化装置は、可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、第一の属性群と第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出する評価指標算出部と、予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する可視化処理部とを備えたことを特徴とする。
　具体的には、本発明による可視化装置は、可視化処理そのものを行う前に、高次元データの中で特徴的な構造を持つデータを絞り込む。ここで、データは［サンプル×属性］の行列形式で与えられていると仮定する。以下、属性と次元は同義とする。次に、可視化装置はその絞り込んだデータに可視化処理そのものを適用する。特徴的な構造を持つデータを絞り込む方法として、いくつかの属性（第一の属性群）で条件付けられた、別のいくつかの属性（第二の属性群）に関するデータに注目することを考える。ここで、第一の属性群と第二の属性群との組み合わせは複数存在することが前提となっている。そのため、できる限り多くのデータ構造を分析者が概観できるような可視化を行うという観点からは、なるべく多くの組み合わせを抽出できる方が望ましい。できる限り多くのデータ構造を分析者が概観できるようにするための方法として、例えば、データ構造の特徴度合いを表す何らかの評価指標を定義し、第一の属性群と第二の属性群との各組み合わせに対してその評価指標の値を計算し、その値が特に大きい第一の属性群と第二の属性群との組み合わせに対して適切な可視化手法を適用する方法がある。ここで、評価指標として、例えば、相関係数や、クラス情報が与えられているときの分離度・相互情報量といった量が考えられる。クラス情報は、データ分析において予測したい量を表す属性である。例えば、ＣＲＭ（Ｃｕｓｔｏｍｅｒ　Ｒｅｌａｔｉｏｎｓｈｉｐ　Ｍａｎａｇｅｍｅｎｔ）におけるマーケティングにおいては、顧客の購買行動を表す属性がクラス情報に相当する。分離度とは、具体的にはクラス分類の正解率である。評価指標の大きな属性群の組み合わせが複数存在する場合には、可視化装置は、分析者がそれらの組み合わせ全体をできる限り一度に概観できるようなインタフェースを提供する。属性群の組み合わせ全体を一度に概観できるようにするための方法の例として、後述するツリービュー（Ｔｒｅｅ　Ｖｉｅｗ）形式でグラフを並べる方法が挙げられる。
　本発明による可視化方法は、可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、第一の属性群と第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出し、予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成することを特徴とする。
　本発明による可視化プログラムは、コンピュータに、可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、第一の属性群と第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出する処理と、予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する処理とを実行させることを特徴とする。
　本発明によれば、ユーザが高次元データを分析する際に、分析対象となる高次元データに存在する特徴的なデータ構造についてより多くのデータ構造を概観することができる。
５次元データをＳＰＭで可視化した結果の一例を示す説明図である。 図１に示す５次元データをもとに作成された決定木の一例を示す説明図である。 図１で示す５次元データに対する可視化装置の出力結果の一例を示す説明図である。 本発明による可視化装置の第１の実施形態の構成を示すブロック図である。 本発明による可視化装置の第１の実施形態の動作を示すフローチャートである。 本発明による可視化装置の最小構成を示すブロック図である。
実施形態１．
　以下、本発明の第１の実施形態を図面を参照して説明する。
　図１は、５次元データをＳＰＭで可視化した結果の一例を示す説明図である。ここでは、図１に示すＳＰＭにおける５次元データに対して、サンプルの一方を示す「○」とサンプルの他方を示す「×」とを分類する問題を考える。サンプルは、例えば、クラス情報が購買行動である場合は一人一人の顧客を表す。図１には、５次元のうち任意の２次元の組み合わせに対する散布図が示されている。
　分析者は、図１に示す散布図により、任意の２次元空間上でのデータの分布を概観することができる。例えば、分析者は、図１から、第一次元（属性Ｖ１）に関して、「○」が比較的大きな値に、「×」が比較的小さな値に集中して分布していることを読み取ることができる。しかし、「○」と「×」の分類情報に関してそれ以上の情報を図１に示す散布図からすぐに読み取ることは困難である。
　本実施形態では、データを絞り込むための方法として決定木を用いる。また、ここでは分類問題を考えているので、特徴度合いを表す指標として「○」と「×」との分離度を考える。
　図２は、図１に示す５次元データをもとに作成された決定木の一例を示す説明図である。図２に示す決定木における不等式は分岐の条件、葉の数字は「○の数」または「×の数」を表す。
　本実施形態では、可視化装置は、決定木の作成において、「○」と「×」とを最も良く分離する次元ほど木の根に近いノード、つまり図２の上部に近いノードとして抽出する。従って、例えば、図２に示す決定木から、図１に示す散布図と同様に「○」と「×」とを最も良く分離するのは属性Ｖ１であることを読み取ることができる。また、属性Ｖ１の値が０．０２３３５以上のデータに関して、「○」と「×」とを最もよく分離するのは属性Ｖ２であることを読み取ることができる。また、属性Ｖ１の値が０．０２３３５未満のデータに関して、「○」と「×」とを最もよく分離するのは属性Ｖ３であることを読み取ることができる。
　また、本実施形態では、「○」と「×」との分類に関するこれらの情報を一度に概観できるようにするために、可視化装置は出力結果として、図３に示すようなインタフェースを提供する。図３は、図１で示す５次元データに対する可視化装置の出力結果の一例を示す説明図である。図３では、図２に示す決定木の構造に対応するように３つの散布図が並べられている。図３に示す各散布図における点線は、図２に示す各ノードにおける不等式の左辺の値に対応する位置に描画される。
　図３に示す散布図Ａは、図２に示す、分岐条件が「０．０２３３５＜＝Ｖ１」であるノード、「－１．２２７＜＝Ｖ２」であるノード、および「－０．２７４６＜＝Ｖ３」であるノードに対応する。
　図３に示す散布図Ｂは、図２に示す、分岐条件が「－０．２７４６＜＝Ｖ３」であるノード、「０．１１１７＜＝Ｖ５」であるノード、および「－３．４６４＜＝Ｖ４」であるノードに対応する。つまり、散布図Ｂは、属性Ｖ１の値が小さいサンプルに限定した、つまり属性Ｖ１で条件付けされた、属性Ｖ３、属性Ｖ５および属性Ｖ４に関するデータを表す。散布図Ｂの場合、属性Ｖ１が第一の属性群に相当し、属性Ｖ３、属性Ｖ５および属性Ｖ４が第二の属性群に相当する。
　図３に示す散布図Ｃは、図２に示す、分岐条件が「－１．２２７＜＝Ｖ２」であるノード、「－１．０９８＜＝Ｖ４」であるノード、および「１.８６８＜＝Ｖ５」であるノードに対応する。つまり、散布図Ｃは、属性Ｖ１の値が大きいサンプルに限定した、つまり属性Ｖ１で条件付けされた、属性Ｖ２、属性Ｖ４および属性Ｖ５に関するデータを表す。散布図Ｃの場合、属性Ｖ１が第一の属性群に相当し、属性Ｖ２、属性Ｖ４および属性Ｖ５が第二の属性群に相当する。
　なお、図３には、３つの散布図が含まれているが、出力結果にはいくつ散布図が含まれていてもよい。例えば、散布図の数を木の深さに応じて変更してもよいし、また、「○」と「×」とを良く分離するノード、つまり評価指標の値が特に大きいノードに対応する散布図のみを出力結果に含ませるようにしてもよい。なお、ノードが「○」と「×」とを良く分離するか否かの判定は、例えば、評価指標の値が予め定められた基準よりも大きいか否かで判定すればよい。
　分析者は、図３に示す散布図Ａから、属性Ｖ１に関して大きな値をとるサンプルにデータを絞り込むと、属性Ｖ２に関して「○」が比較的大きな値に、「×」が比較的小さな値に偏って分布していることを読み取ることができる。一方、分析者は、属性Ｖ１に関して小さな値をとるサンプルにデータを絞り込むと、属性Ｖ３に関して「○」が比較的大きな値に、「×」が比較的小さな値に偏って分布していることを読み取ることができる。
　同様に散布図Ｂから、分析者は、属性Ｖ１に関して小さな値をとり、さらに属性Ｖ３に関して大きな値をとるサンプルにデータを絞り込むと、属性Ｖ５に関して「○」と「×」とが比較的分離していることを読み取ることができる。
　同様に散布図Ｃから、分析者は、属性Ｖ１に関して大きな値をとり、さらに属性Ｖ２に関しても大きな値をとるサンプルにデータを絞り込むと、属性Ｖ４に関して「○」と比較して「×」が小さな値に集中して分布していることを読み取ることができる。
　図３に示す各散布図から読み取ることができる上記のようなデータ構造の情報は、前述した代表的な可視化手段では発見することができない。また、図３に示す結果と分析者が持つデータに関する背景知識とを組み合わせることにより、分析者は、例えば、一部のデータを分析から取り除くことや、一部のデータに関しては別の分析手法を適用するといった分析方針を立てることができる。
　図４は、本発明による可視化装置の第１の実施形態の構成を示すブロック図である。
　図４に示すように、可視化装置は、データ・パラメータ入力部１０１と、決定木作成部１０２と、決定木記憶部１０３と、ツリービュー形式散布図作成部１０４と、画像出力部１０５とを含む。
　データ・パラメータ入力部１０１は、可視化対象となる高次元データ、決定木パラメータおよび散布図パラメータを装置外部から入力する。決定木パラメータは、決定木の作成を行う際に必要なパラメータである。散布図パラメータは、画像出力を行う際に必要なパラメータである。データ・パラメータ入力部１０１は、決定木パラメータとして、例えば、分割の良さを評価する指標や決定木を作成するためのアルゴリズムや、木の深さや葉に属するデータの最小サイズなどを入力する。データ・パラメータ入力部１０１は、入力したデータとパラメータを、決定木作成部１０２とツリービュー形式散布図作成部１０４とに出力する。
　決定木作成部１０２は、可視化対象のデータと決定木パラメータとをデータ・パラメータ入力部１０１から入力する。決定木作成部１０２は、入力したデータに対して、入力した決定木パラメータの情報に従って、図２に示すような決定木を作成する。なお、図２に示す不等式における「０．０２３３５」、「－１．２２７」等の数値は、決定木作成部１０２によって算出される数値であって、その一例である。決定木作成部１０２は、作成した決定木に関する情報を決定木記憶部１０３に出力する。
　決定木記憶部１０３は、決定木作成部１０２から入力した決定木に関する情報を記憶する。
　ツリービュー形式散布図作成部１０４は、可視化対象のデータと散布図パラメータとをデータ・パラメータ入力部１０１から入力する。また、ツリービュー形式散布図作成部１０４は、決定木に関する情報を決定木記憶部１０３から取得する。ツリービュー形式散布図作成部１０４は、散布図パラメータと決定木に関する情報とをもとに、図１に示すような可視化対象のデータに関して、図３に示すようなツリービュー形式で並べられた散布図を作成する。ツリービュー形式散布図作成部１０４は、作成した散布図を含む画像情報を画像出力部１０５に出力する。ここで、散布図パラメータは、例えば、図３に示す散布図におけるサンプルの色や形、軸のラベルや目盛りの有無、点線の表示の有無、などを指定するためのパラメータである。
　画像出力部１０５は、例えば、ディスプレイ装置やプリンタである。画像出力部１０５は、ツリービュー形式散布図作成部１０４から入力したツリービュー形式散布図を含む画像情報を出力する。
　なお、データ・パラメータ入力部１０１、決定木作成部１０２およびツリービュー形式散布図作成部１０４は、例えば、可視化プログラムに従って動作するコンピュータによって実現される。この場合、ＣＰＵが可視化プログラムを読み込み、そのプログラムに従って、データ・パラメータ入力部１０１、決定木作成部１０２およびツリービュー形式散布図作成部１０４として動作すればよい。また、データ・パラメータ入力部１０１、決定木作成部１０２およびツリービュー形式散布図作成部１０４が別々のハードウェアで実現されていてもよい。
　また、決定木記憶部１０３は、可視化装置が備えるメモリ等の記憶装置によって実現される。
　次に、本実施形態の動作を説明する。
　図５は、本発明による可視化装置の第１の実施形態の動作を示すフローチャートである。
　データ・パラメータ入力部１０１は、可視化対象となる高次元データ、決定木パラメータおよび散布図パラメータを入力する（ステップＳ１０１）。当該データおよび当該パラメータを、例えば分析者がデータ・パラメータ入力部１０１に対して入力する。データ・パラメータ入力部１０１は、可視化対象となる高次元データと決定木パラメータとを決定木作成部１０２に出力する。データ・パラメータ入力部１０１は、可視化対象となる高次元データと散布図パラメータとをツリービュー形式散布図作成部１０４に出力する。
　次に、決定木作成部１０２が、データ・パラメータ入力部１０１から入力した可視化対象のデータと決定木パラメータの情報にしたがって決定木を作成し、作成した決定木に関する情報を決定木記憶部１０３に記憶する（ステップＳ１０２）。
　ツリービュー形式散布図作成部１０４は、データ・パラメータ入力部１０１から入力した可視化対象のデータおよび散布図パラメータと、決定木記憶部１０３が記憶する決定木に関する情報とをもとに、図３に示すような散布図、つまり、ツリービュー形式で並べられた散布図を作成する（ステップＳ１０３）。ツリービュー形式散布図作成部１０４は、作成した散布図を含む画像情報を画像出力部１０５に出力する。
　画像出力部１０５は、ツリービュー形式散布図を含む画像情報を出力する（ステップＳ１０４）。
　以上に説明したように、本実施形態では、可視化処理そのものを行う前に、高次元データの中で特徴的な構造を持つデータを絞り込む。また、本実施形態では、高次元データに存在する特徴的なデータ構造を一度により多く概観できるようにするために、データを絞り込む際に用いた決定木に関する情報をもとに作成したツリービュー形式の散布図を出力する。従って、分析者は、高次元データを分析する際に、そのデータ内に存在する複数の特徴的なデータ構造を把握することができる。それにより、分析者は、どのような前処理や分析手法を適用すべきかといった指針を立てることができる。
　また、本実施形態では、条件付きのデータ構造を抽出することに主眼を置いているため、高次元データを分析する際の前処理として特徴的なデータ構造を持つサンプルを予め取り出し別々に分析するといったことが可能になる。また、分析手段として混合正規分布のような多峰形のモデルをデータに適用する際の混合数や各コンポーネント内のモデルを決定するための情報を提供することが可能になる。
　なお、本実施形態では、可視化装置が画像出力部を含む場合について説明したが、画像出力部は可視化装置に含まれていなくてもよい。その場合には、ツリービュー形式散布図作成部１０４は、可視化装置と通信可能な外部のディスプレイやプリンタ等に画像情報を出力すればよい。そのような構成によれば、可視化装置の構成をより簡素化することができる。
　また、本実施形態では、特徴度合いを表す評価指標として分離度を用いる場合について説明したが、相関係数を用いるようにしてもよい。また、可視化対象となるデータに関してクラス情報が与えられているときには、特徴度合いを表す評価指標としてエントロピーを用いるようにしてもよい。
　また、本実施形態では、散布図をツリービュー形式で並べて表示する場合について説明したが、ＰＣＰをツリービュー形式で並べて表示するようにしてもよい。また、本実施形態では、決定木作成部１０２が二分木を用いて、決定木を作成する場合について説明したが、決定木作成部１０２は二分木以外の多分木を用いて、決定木を作成するようにしてもよい。その場合には、ツリービュー形式散布図作成部１０４は、決定木の構成に応じたツリービュー形式の散布図を作成すればよい。
　本発明は、高次元データから知識発見を行う場面全般に適用可能である。例えば、自動車や家電などの工業製品の故障原因を、当該工業製品の内部に組み込まれた多数のセンサの値の情報から機械学習技術を用いて特定しようとする場合に、本発明による可視化装置を利用することができる。その場合、分析手法の検討段階で、特定の故障原因の種類に関するデータとセンサの種類に関するデータとの間に特徴的な構造がないかどうかを予め概観することができる。他の例として、ＣＲＭにおけるマーケティングにおいて、顧客の個人情報と購買行動との関係を調べるような場合にも同様に本発明による可視化装置を利用することができる。
　図６は、本発明による可視化装置の最小構成を示すブロック図である。図６に示すように、可視化装置は、可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、第一の属性群と第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出する評価指標算出部１１（図４に示す決定木作成部１０２に相当。）と、予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する可視化処理部１２（図４に示すツリービュー形式散布図作成部１０４に相当。）とを備える。
　そのような構成によれば、評価指標の値が特に大きい属性群の組み合わせに関する情報をユーザに提示することができる。従って、高次元データを分析する際に、分析者は、そのデータ内に存在する複数の特徴的なデータ構造を把握することができる。それにより、分析者は、どのような前処理や分析手法を適用すべきかといった指針を立てることができる。
　上記の実施形態には、以下のような可視化装置も開示されている。
（１）評価指標算出部１１が、第一の属性群で第二の属性群を条件付けする基準として二分木を用いる可視化装置。
　そのような構成によれば、図３に示すようなツリービュー形式の散布図を含むインタフェースを分析者に提供することが可能となる。
（２）評価指標算出部１１が、第一の属性群で第二の属性群を条件付けする基準として多分木を用いる可視化装置。
　そのような構成によれば、高次元データについて、当該高次元データをもとに作成した多分木に関する情報をもとに、ツリービュー形式の散布図を作成することが可能となる。従って、決定木の作成において、より複雑な条件付けにも対応することが可能となる。
（３）評価指標算出部１１が、特徴度合いを表す評価指標として相関係数を用いる可視化装置。
（４）評価指標算出部１１が、可視化対象となるデータに関してクラス情報が与えられているとき、特徴度合いを表す評価指標として、クラス分類の正解率を用いる可視化装置。
（５）評価指標算出部１１が、可視化対象となるデータに関してクラス情報が与えられているとき、特徴度合いを表す評価指標として、エントロピーを用いる可視化装置。
　そのような構成によれば、データ構造の特徴度合いを表す評価指標を数値として表現することができるので、第一の属性群と第二の属性群との組み合わせそれぞれについての評価指標の比較をより正確に行うことができる。
（６）可視化処理部１２が、評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせに対応する二次元散布図をツリービュー形式で並べた画像情報を出力する可視化装置。
（７）可視化処理部１２が、評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせに対応する平行座標プロットをツリービュー形式で並べた画像情報を出力する可視化装置。
　そのような構成によれば、分析者は、可視化対象となる高次元データに存在する特徴的なデータ構造を一度により多く概観することができる。また、評価指標の値が大きい属性群の組み合わせほどツリービューの上部に近い位置に表示されるので、分析者は、可視化された内容を容易に解釈することができる。また、評価指標の値が特に大きい属性群の組み合わせに対応する散布図のみをユーザに提示することができるので、可視化対象の高次元データのデータ数・次元数が大きくなっても、図そのものが煩雑になることがない。
　以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１２年１２月１３日に出願された日本特許出願２０１２－２７２４１３を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　１１　評価指標算出部
　１２　可視化処理部
　１０１　データ・パラメータ入力部
　１０２　決定木作成部
　１０３　決定木記憶部
　１０４　ツリービュー形式散布図作成部
　１０５　画像出力部

Claims (10)

  1. 　可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、前記第一の属性群と前記第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出する評価指標算出部と、
    　予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する可視化処理部とを備えた
    　ことを特徴とする可視化装置。
  2. 　評価指標算出部は、第一の属性群で第二の属性群を条件付けする基準として二分木を用いる
    　請求項１に記載の可視化装置。
  3. 　評価指標算出部は、第一の属性群で第二の属性群を条件付けする基準として多分木を用いる
    　請求項１に記載の可視化装置。
  4. 　評価指標算出部は、特徴度合いを表す評価指標として相関係数を用いる
    　請求項１から請求項３のうちのいずれか１項に記載の可視化装置。
  5. 　評価指標算出部は、可視化対象となるデータに関してクラス情報が与えられているとき、特徴度合いを表す評価指標として、クラス分類の正解率を用いる
    　請求項１から請求項３のうちのいずれか１項に記載の可視化装置。
  6. 　評価指標算出部は、可視化対象となるデータに関してクラス情報が与えられているとき、特徴度合いを表す評価指標として、エントロピーを用いる
    　請求項１から請求項３のうちのいずれか１項に記載の可視化装置。
  7. 　可視化処理部は、評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせに対応する二次元散布図をツリービュー形式で並べた画像情報を出力する
    　請求項１から請求項６のうちのいずれか１項に記載の可視化装置。
  8. 　可視化処理部は、評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせに対応する平行座標プロットをツリービュー形式で並べた画像情報を出力する
    　請求項１から請求項６のうちのいずれか１項に記載の可視化装置。
  9. 　可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、前記第一の属性群と前記第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出し、
    　予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する
    　ことを特徴とする可視化方法。
  10. 　コンピュータに、
    　可視化対象となる高次元データのうち、１つまたは複数の属性を含む第一の属性群で条件付けした、１つまたは複数の属性を含む第二の属性群に関するデータについて、前記第一の属性群と前記第二の属性群との組み合わせそれぞれに対して特徴度合いを表す評価指標の値を算出する処理と、
    　予め定められた基準をもとに評価指標の値が大きいと判断した、第一の属性群と第二の属性群との組み合わせを提示するための画像情報を生成する処理とを実行させる
    　ための可視化プログラム。
PCT/JP2013/007078 2012-12-13 2013-12-03 可視化装置、可視化方法および可視化プログラム WO2014091712A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US14/652,153 US10013469B2 (en) 2012-12-13 2013-12-03 Visualization device, visualization method and visualization program
JP2014551875A JP6330665B2 (ja) 2012-12-13 2013-12-03 可視化装置、可視化方法および可視化プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012272413 2012-12-13
JP2012-272413 2012-12-13

Publications (1)

Publication Number Publication Date
WO2014091712A1 true WO2014091712A1 (ja) 2014-06-19

Family

ID=50934020

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/007078 WO2014091712A1 (ja) 2012-12-13 2013-12-03 可視化装置、可視化方法および可視化プログラム

Country Status (3)

Country Link
US (1) US10013469B2 (ja)
JP (1) JP6330665B2 (ja)
WO (1) WO2014091712A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016079909A1 (ja) * 2014-11-19 2016-05-26 日本電気株式会社 可視化装置、可視化方法および可視化プログラム
JP2019174960A (ja) * 2018-03-27 2019-10-10 西日本電信電話株式会社 データ前処理装置、データ前処理方法及びデータ前処理プログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10628456B2 (en) 2015-10-30 2020-04-21 Hartford Fire Insurance Company Universal analytical data mart and data structure for same
US11244401B2 (en) * 2015-10-30 2022-02-08 Hartford Fire Insurance Company Outlier system for grouping of characteristics
US10942929B2 (en) 2015-10-30 2021-03-09 Hartford Fire Insurance Company Universal repository for holding repeatedly accessible information

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008299363A (ja) * 2007-05-29 2008-12-11 Ochanomizu Univ データベースを可視化するための画像生成方法及びプログラム並びにデータベース表示装置

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6750864B1 (en) * 1999-11-15 2004-06-15 Polyvista, Inc. Programs and methods for the display, analysis and manipulation of multi-dimensional data implemented on a computer
ATE488806T1 (de) * 2000-03-16 2010-12-15 Poly Vista Inc System und methode zur analyse einer anfrage und zur erzeugung von antworten und damit verbundenen fragen
US6661362B2 (en) * 2000-09-11 2003-12-09 Broadcom Corporation Methods and systems for high speed quantizers
US6819344B2 (en) * 2001-03-12 2004-11-16 Microsoft Corporation Visualization of multi-dimensional data having an unbounded dimension
JP3897169B2 (ja) 2002-11-07 2007-03-22 富士電機ホールディングス株式会社 決定木生成方法およびモデル構造生成装置
US7557805B2 (en) * 2003-04-01 2009-07-07 Battelle Memorial Institute Dynamic visualization of data streams
US7797320B2 (en) * 2005-03-15 2010-09-14 Hyperion Solutions Corporation Dimensionality reduction
US20070005582A1 (en) 2005-06-17 2007-01-04 Honeywell International Inc. Building of database queries from graphical operations
US20080071843A1 (en) * 2006-09-14 2008-03-20 Spyridon Papadimitriou Systems and methods for indexing and visualization of high-dimensional data via dimension reorderings
US20080111826A1 (en) * 2006-11-14 2008-05-15 Microsoft Corporation Displaying resources using multiple visualization dimensions
US8640056B2 (en) * 2007-07-05 2014-01-28 Oracle International Corporation Data visualization techniques
US8935249B2 (en) * 2007-06-26 2015-01-13 Oracle Otc Subsidiary Llc Visualization of concepts within a collection of information
US8446412B2 (en) * 2008-06-26 2013-05-21 Microsoft Corporation Static visualization of multiple-dimension data trends
US8745086B2 (en) * 2008-12-05 2014-06-03 New BIS Safe Luxco S.á.r.l. Methods, apparatus and systems for data visualization and related applications
US20100194778A1 (en) * 2009-01-30 2010-08-05 Microsoft Corporation Projecting data dimensions on a visualization data set
US20110029926A1 (en) * 2009-07-30 2011-02-03 Hao Ming C Generating a visualization of reviews according to distance associations between attributes and opinion words in the reviews
US7812838B1 (en) * 2010-01-12 2010-10-12 Rana Ian Typed data graph visualization system in three dimensions
US20120013619A1 (en) * 2010-07-14 2012-01-19 Richard Brath System and method for visualizing multi-dimensional data using shape attributes
CA2709507A1 (en) * 2010-07-14 2012-01-14 Oculus Info Inc. System and method for visualizing multi-dimensional data using shape attributes
US9799004B2 (en) * 2010-07-30 2017-10-24 Avaya Inc. System and method for multi-model, context-aware visualization, notification, aggregation and formation
US8615511B2 (en) * 2011-01-22 2013-12-24 Operational Transparency LLC Data visualization interface
US9342579B2 (en) * 2011-05-31 2016-05-17 International Business Machines Corporation Visual analysis of multidimensional clusters
US9064245B2 (en) * 2012-02-22 2015-06-23 Hewlett-Packard Development Company, L.P. Generating a calendar graphical visualization including pixels representing data records containing user feedback

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008299363A (ja) * 2007-05-29 2008-12-11 Ochanomizu Univ データベースを可視化するための画像生成方法及びプログラム並びにデータベース表示装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HIROSHI ISHIKAWA: "Data Mining to Shugochi -Kiso kara Web, Social Media made", MITSUAKI NANJO, 15 July 2012 (2012-07-15), pages 199 - 211 *
UNJU TEI ET AL.: "Teijigen Plot no Shugo ni yoru Kojigen Data Kashika no Ichi Shuho (1)", 2012 NENDO ANNUAL CONFERENCE OF JSAI (DAI 26 KAI) RONBUNSHU [ CD-ROM ] 2012 NENDO ANNUAL CONFERENCE OF JSAI (DAI 26 KAI) RONBUNSHU, 12 June 2012 (2012-06-12), pages 1 - 4 *
YUICHI IIZUKA ET AL.: "A Study on Data Visualization Based on Category and Characteristics", IPSJ SIG NOTES, vol. 99, no. 6, 23 January 1999 (1999-01-23), pages 7 - 12 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016079909A1 (ja) * 2014-11-19 2016-05-26 日本電気株式会社 可視化装置、可視化方法および可視化プログラム
JP2019174960A (ja) * 2018-03-27 2019-10-10 西日本電信電話株式会社 データ前処理装置、データ前処理方法及びデータ前処理プログラム

Also Published As

Publication number Publication date
US10013469B2 (en) 2018-07-03
JP6330665B2 (ja) 2018-05-30
JPWO2014091712A1 (ja) 2017-01-05
US20150339364A1 (en) 2015-11-26

Similar Documents

Publication Publication Date Title
JP6330665B2 (ja) 可視化装置、可視化方法および可視化プログラム
Bernard et al. A survey and task-based quality assessment of static 2D colormaps
Sawatsky et al. Partial least squares regression in the social sciences
US9299173B2 (en) Automatic selection of different visualizations for the organization of multivariate data
Ahmadi et al. Context-aware saliency detection for image retargeting using convolutional neural networks
Heimerl et al. embcomp: Visual interactive comparison of vector embeddings
Giannetti et al. A novel variable selection approach based on co-linearity index to discover optimal process settings by analysing mixed data
Tam et al. Visualization of time‐series data in parameter space for understanding facial dynamics
JP5882272B2 (ja) 資料評価プログラムおよび資料評価装置
Areosa et al. Explaining the performance of black box regression models
KR101774712B1 (ko) 특허청구범위 분석 방법 및 그 장치
Bandaru et al. Trend mining: A visualization technique to discover variable trends in the objective space
JP7142325B2 (ja) 探索支援システム、探索システム及び探索支援方法
Steed et al. QVis: A Visual Analytics Tool for Exploring Noise and Errors in Quantum Computing Systems
Dankov et al. Extended conceptual framework for business analytics supporting innovations
Craven et al. EA stability visualization: perturbations, metrics and performance
Chandrasekar et al. Data Exploratory Analysis for Classification in Machine Learning Algorithms
Pimentel et al. Subgroup mining for performance analysis of regression models
JP7455086B2 (ja) 機械学習モデル特性可視化装置、機械学習モデル特性可視化方法、及び機械学習モデル特性可視化プログラム
WO2012046436A1 (ja) 文書分析装置、文書分析方法および文書分析プログラム
Nanaware et al. Exploratory data analysis using dimension reduction
Diago et al. Analyzing facial expressions with fuzzy quantification theory II: indefinite generalized eigenvalue problem
CN117540107B (zh) 一种数据处理方法、装置、电子设备及存储介质
TWI731666B (zh) 利用多維度評級資料之文章推薦系統及方法
WO2021210414A1 (ja) 可視化方法、これに用いるプログラム、および、可視化装置、並びに、これを備える判別装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13861886

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014551875

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 14652153

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 13861886

Country of ref document: EP

Kind code of ref document: A1