数据挖掘过程中的三次可视化

先说为什么要用图？
其一，图形往往能比文字传达更多的信息，此外，作为数据分析报告的阅读者，可能对我们的模型数据并没有兴趣，更吸引他的可能是最后的图和结论。

再说什么时候要用图？
通常来说，在一次数据挖掘过程中，可视化有三次。

• 第一次，拿到数据的时候

我们希望通过探索性分析初步了解这份数据，
维度：行列数、变量名称
取值：缺失值、异常值
分布：偏度、是否正态
属性：数值or字符，离散or连续
这个过程中图形起着重要的辅助作用。

• 第二次，建模的过程中，作为附加的输出结果

比如
主成分和因子分析的时候：碎石图
聚类分析的时候：层次聚类的树形图、kmeans聚类的类别分布图
决策树：规则集的树状图
神经网络：网络结构图
apriori：关联规则可视化

• 第三次，结果输出，报告呈现的时候

不管是作为数据探索的图，还是作为模型附加结果的图，一般都是比较粗糙的
作为最终标准化输出的图，必须在前面的基础上加以选择和修改，读者理解无阻碍+适度美观就可以。

关于数据挖掘中的几次可视化先简单介绍到这里，后面咱们再通过具体案例加以说明。