大数据可视化第四章测试_智慧树知到答案2021年

第四章 数据可视化基础（上）：可视化是一个将数据以一定的变换和可视编码的原则映射为可视化视图的过程。尽管不同的领域的数据可视化将面对不同的数据、面临不同的挑战，但可视化的基本步骤、流程和体系是共同的。本章概要地介绍数据可视化的基本流程和可视设计模型，并介绍流程中数据处理与变换的这一步骤中的常用方法。4.1可视化基本流程初探:可视化不是一个单独的算法，而是一个流程。如果想要设计可视化应用，需要对可视化流程有所了解、把问题化整为零，降低设计复杂度。本节用一个实际的例子来简单表述可视化流程。
4.2数据可视化的框架:可视化流程以数据流向为主线，其主要模块包括数据采集、数据处理和变换、可视化映射和用户感知。整个可视化过程可以看成数据流经一系列处理模块并得到转换的过程。用户通过可视化交互和其他模块互动，通过反馈提高可视化的效果。本节详细介绍一个较为通用的可视化流程中不同环节，以及一个针对可视化分析与设计的模型。
4.3数据处理与变换1:数据的处理和变换可以认为是可视化的前期处理。一方面原始数据不可避免含有噪音和误差。另一方面，数据的模式和特征往往被隐藏。而可视化需要将难以理解的原始数据变换成用户可以理解的模式和特征并显示出来。本节介绍数据归一化、平滑化和采样三种手段。我们会用相应的可视化来展现这些数据处理方法的作用。
4.4数据处理与变换2:对于维度更多、数据量更大的数据，除了采用数据采样以外，还可用数据分箱、降维和聚类进行操作，然后再进一步可视化。后两种方法比较复杂我们不会详细介绍，但会有直观的例子来体现这些数据处理方法的重要性。

[单选题]可视化可以将难以理解的原始数据变换成用户可以理解的模式和特征，并显示出来。依据可视化流程概念图，在原始数据和可视化中间这一步骤是：
数据采集
用户感知
数据处理和变换
数据分析
答案：数据处理和变换
[单选题]Tamara Munzner提出的可视分析模型中，可视设计的what why how三个维度中的what指代的是什么？
视觉编码形式的设计
可视化任务的抽象
对于要被可视化的数据的抽象
可视化交互形式的设计[单选题]可视化和其他数据分析处理方法最大的不同是用户起到了关键作用，可视化映射后的结果只有通过（  ）才能转换成知识和灵感。
数据处理与变换
可视化映射
用户感知
其它三个选项都是[单选题]属性类型中包括了类别型和（  ）
有序型
顺序型
数量型
无序型[判断题]在可视化流程概念图中，各个模块的联系仅仅是顺序的线性联系。
对
错[判断题]数据离散化/分箱时，需要根据分析需求和可视化效果来选择合适的离散化区间大小。
对
错[多选题]在设计一个可视化解决方案的过程中，了解数据采集这一步骤中的（  ），才能有的放矢地解决问题。
数据的来源
数据的采集方法
数据的处理
数据的属性[多选题]在Tamara Munzner的可视分析模型中的what这个维度中，数据集类型包括（  ）
表格型数据
数量型数据
场数据
网络数据
地理数据[多选题]数据降维方法一般分为哪些种类？
基于密度的方法
非线性方法
线性方法
基于划分的方法[单选题] 常见的归一化方式中的反正切变换的值域是：
[0, 1]

 [-0.5, 0.5]
 [-1, 1]