461
《數據驅動安全：數據安全分析、可視化和儀表盤》一1.2.5 可視化
本節書摘來異步社區《數據驅動安全：數據安全分析、可視化和儀表盤》一書中的第1章 ，第1.2.5節，[美]傑·雅克布（Jay Jacobs）鮑布·魯迪斯（Bob Rudis） 著 薛傑 王占一 張卓 胡開勇 蔣夢颺 趙爽 譯, 更多章節內容可以訪問雲棲社區“異步社區”公眾號查看。
1.2.5 可視化
最後需要掌握的技能是可視化，但是說實在的，它其實就是關於如何做信息交流。目前可視化分類有很多種，但是在這裏我們想要談談兩種一般的可視化，主要依靠可視化的受眾來劃分。劃分很簡單：1）為自己的可視化，2）為他人的可視化。
舉個例子，圖1-2展示了4種常見的圖表，它們都是由R語言的lm()函數（用於線性回歸）自動生成的，用於診斷線性回歸模型的擬合（你將在第5章運行這個模型）。我們來看看這些圖表，這些圖表看起來都很醜陋以及令人困惑，除非你學會了如何讀懂它們。我們不會在給董事會展示的文稿中包含這些，這類的可視化圖表是為處理數據的數據分析師們提供信息，或者用於解釋這個例子中的數據模型的。
這些圖是用來理解這個模型的特定關係和屬性的，它們將數據的一些信息傳遞給分析師，可以直觀地檢測異常、強調數據內部的關係以及一些有助於理解數據的其他方麵的信息。花費很小的精力就可以做出這些相當不錯的有趣的圖表，它們隻是數據分析的部分過程，而非結果。
其他可視化類型存在於數據分析師和他人之間的分析結果交流中，用於解釋分析師在數據中發現的故事（或者發現數據缺乏故事）。這些可視化效果往往很吸引人，並且帶有明確的信息，因為它是和分析師以外的人交流的工具。圖1-3（你將在第5章學習到如何產生此圖）是從圖1-2使用的數據中派生出來的，但是卻是為了完全不同的受眾。在這裏，它更加清晰，你可以從這一張圖中獲取到有關這48個州的信息。
最後更新：2017-06-21 17:31:54