如何将数据可视化以支持交互式决策树构建?
data miningdatabasedata structure更新于 2026/2/3 11:52:17
基于感知的分类 (PBC) 是一种基于多维可视化方法的交互式方法，它使用户能够在构建决策树时融入数据的背景知识。
通过与数据进行视觉交互，用户可能会对数据产生更深入的学习。生成的决策树可能比使用传统决策树归纳技术构建的决策树更小，因此更易于解释，同时实现大致相同的准确率。
PBC 需要一种面向像素的方法来处理具有类标签数据的多维数据。圆段方法被采用，它将 d 维信息对象映射到一个被分成 d 个段的圆上，每个段定义一个属性。
数据元素的属性值被映射到一个彩色像素，内省对象的类标签。每个数据对象的每个属性值对都会完成此映射。对每个属性进行排序，以确定段内的排列序列。
例如，可以组织给定段内的属性值，以显示相似属性值内的同质(关于类标签)区域。一次可以预期的训练信息量大致由多个属性和多个数据对象的乘积决定。
PBC 系统显示一个分屏，包括一个数据交互窗口和一个知识交互窗口。数据交互窗口显示正在检查的数据的圆段，而知识交互窗口显示迄今为止构建的决策树。整个训练集在数据交互窗口中可视化，而知识交互窗口显示一个空决策树。
传统的决策树算法仅支持对统计属性进行二叉树分割。PBC 允许用户定义多个分割点，从而从单个树节点生成多个分支。
树的交互式构建如下。用户在数据交互窗口中预测多维数据，并选择分割属性和多个分割点。知识交互窗口中的现代决策树已展开。
用户选择决策树的一个节点。用户可以为该节点创建类标签(这将使该节点成为叶子节点)，或请求可视化与该节点等效的训练信息。这将导致除用于从根节点沿相似路径分割元素的属性外，每个属性都进行新的可视化。交互过程持续进行，直到为决策树的每个叶子节点创建一个类。
