5 Visualisierung

·       Überblick verschaffen + Fehler erkennen

·       Erkennen von Mustern & Abhängigkeiten

·       Auswahl relevanter Merkmale für das Modeling

Aktion (Spezifität von niedrig -> hoch):

• Analysieren: konsumierend (entdecken, präsentieren), produzierend (annotieren, ableiten + aufnehmen)

• Suchen:

• Erfassen: identifizieren, vergleichen, zusammenfassen

Ziele (Spezifität von niedrig -> hoch):

• Gesamtheit der Daten: Eigenschaften, Ausreißer, Trends

• Merkmale: einzelne Merkmale (Verteilung, Extrema), mehrere Merkmale (Abhängigkeit, Korrelation, Ähnlichkeiten)

Python allgemein:

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

Maschinendaten = pd.read_csv('/content/Data Mining Maschinenpark.csv‘)

Maschinendaten.head(5)       #erste 5 Zeilen anzeigen lassen

Maschinendaten.info()           #Überblick über Datensatz

Maschinendaten.describe()   #Kennzahlen des Datensatzes ausgeben

·       Darstellung von Werten für zwei verschiedene Variablen in 2D-KoSy

·       Für bivariate, quantitative Merkmale (weitere Merkmale über Farbe, Form, Größe der Punkte darstellbar)

·       Ziel: Entdecken + erkennen von Zusammenhängen zwischen mehreren Variablen

·       Pro: verschiedene Abhängigkeiten schnell erkennbar, kann als Basis für darauffolgendes Modell dienen (Regression oder Cluster)

·       Con: unübersichtlich bei vielen Merkmalen, Vorauswahl der Merkmale notwendig

·       Darstellung von Beobachtungen eines Merkmals nach zeitlich geordneter Folge

·       Für bivariate, quantitative Merkmale, weitere kategorische Merkmale darstellbar

·       Ziel: entdecken + erkennen von Trends, Saisonalitäten, Korrelation; Durchführung von Prognosen

·       Pro: zeitliche Abhängigkeiten erkennen, kann als Basis für darauffolgendes Modell dienen (Regression oder Cluster)

·       Con: unübersichtlich bei vielen Merkmalen, Wahl des Zeitraums kann Wirkung der Visualisierung stark beeinflussen

·       Python: kind=‘line‘

·       Darstellung der absoluten o. relativen Häufigkeit eines Merkmals; Ausprägungen werden in Klassen zusammengefasst

·       Für kategorische und quantitative Daten; für univariate Merkmale, zusätzlich weitere Merkmale darstellbar

·       Ziel: entdecken, erkennen und vergleichen von Häufigkeitsverteilungen + deren Eigenschaften

·       Pro: schneller Überblick über Verteilung, Beschreibung komplexer Verteilungen mit mehreren Häufigkeiten möglich

·       Con: Wahl Klassengrenzen/ Anzahl Klassen wichtig, zeigt keine Zusammenhänge, bei mehreren Klassen muss für jede Klasse ein Histogramm erstellt werden

·       Darstellung empirische Verteilung eines Merkmals: Median, 1. Und 3. Quartil, Fühler (min/max oder 1,5 fachen Quartilsabstand)

·       Für univariate, quantitative Merkmale

·       Ziel: entdecken, erkennen von Zusammenhängen

·       Pro: Überblick über Verteilung, erkennen von Ausreißern, erinfacher Vergleich von Streuungen

·       Con: Histogramm intuitiver für Vergleich einzelner Streuung, keine Zusammenhänge zwischen Merkmalen, zeigt Form der Verteilung nicht