Data Visualization

Veri görselleştirme; değerleri grafiklerde, çizimlerde, haritalarda ve açıklama eklenmiş görüntülerde konum, uzunluk, renk veya şekil olarak kodlayarak verilerin grafiksel biçimde sunulmasıdır. Böylece insanlar, sayı tablolarının gizlediği örüntüleri, aykırı değerleri ve hataları görebilir. Keşif amaçlı görselleştirme, John Tukey'nin 1977 tarihli aynı adlı kitabında öncülüğünü yaptığı keşifsel veri analizi sırasında analistlerin veriyi anlamasına yardımcı olur; açıklayıcı görselleştirme ise bulguları başkalarına aktarır. Makine öğrenmesi ve bilgisayarlı görü alanlarında uygulayıcılar veri kümelerini denetlemek, eğitimi izlemek, model hatalarını teşhis etmek ve tahminleri açıklamak için görselleştirmeden yararlanır.

Görselleştirme Neden Önemlidir?#

İstatistikçi Francis Anscombe, 1973'te bugün Anscombe dörtlüsü olarak bilinen ve özet istatistikleri neredeyse aynı olan dört küçük veri kümesiyle şu savı ortaya koydu:

import matplotlib.pyplot as plt
import numpy as np

# Anscombe's quartet: four datasets of 11 (x, y) points each
x = [10, 8, 13, 9, 11, 14, 6, 4, 12, 7, 5]
quartet = {
    "I": (x, [8.04, 6.95, 7.58, 8.81, 8.33, 9.96, 7.24, 4.26, 10.84, 4.82, 5.68]),
    "II": (x, [9.14, 8.14, 8.74, 8.77, 9.26, 8.10, 6.13, 3.10, 9.13, 7.26, 4.74]),
    "III": (x, [7.46, 6.77, 12.74, 7.11, 7.81, 8.84, 6.08, 5.39, 8.15, 6.42, 5.73]),
    "IV": ([8] * 7 + [19] + [8] * 3, [6.58, 5.76, 7.71, 8.84, 8.47, 7.04, 5.25, 12.50, 5.56, 7.91, 6.89]),
}

# Print each dataset's summary statistics and draw its scatter plot side by side
fig, axes = plt.subplots(1, 4, figsize=(12, 3), sharex=True, sharey=True)
for ax, (name, (xs, ys)) in zip(axes, quartet.items()):
    r = np.corrcoef(xs, ys)[0, 1]
    print(f"{name}: mean y {np.mean(ys):.2f}, variance y {np.var(ys, ddof=1):.2f}, correlation {r:.3f}")
    ax.scatter(xs, ys)
    ax.set_title(f"Dataset {name}")
fig.savefig("anscombe.png")

Dört veri kümesinin tümünde y ortalaması 7,50, varyans 4,12 veya 4,13 ve korelasyon 0,816 veya 0,817 olarak hesaplanır; ancak kaydedilen grafikler birbirinden tamamen farklı görünür: I. veri kümesi gürültülü doğrusal bir eğilime, II. veri kümesi düzgün bir eğriye, III. veri kümesi tek bir aykırı değerin bulunduğu kusursuz bir doğruya, IV. veri kümesi ise korelasyonu tamamen uzaktaki tek bir noktadan kaynaklanan dikey bir nokta kümesine sahiptir. Autodesk'teki araştırmacılar bu fikri 2017'de, istatistikleri aynı olan ve birinde dinozor şekli bulunan on üç veri kümesinden oluşan Datasaurus Dozen ile genişletti.

Grafik Seçimi#

Bir grafik, kullandığı görsel kodlama soruya uyduğunda işe yarar. Kategoriler arasındaki karşılaştırmalar için çubuk grafikler, zaman içindeki eğilimler için çizgi grafikler, dağılımlar için histogramlar ve kutu grafikleri, iki değişken arasındaki ilişkiler için saçılım grafikleri, mekânsal örüntüler içinse haritalar ve ısı haritaları uygundur. William Cleveland ve Robert McGill, 1984'teki grafik algısı deneylerinde insanların ortak bir ölçekte konumu en doğru, ardından uzunluğu, açıyı, alanı ve son olarak renk tonunu değerlendirdiğini buldu. Bu nedenle hassas karşılaştırmalarda çubuk ve nokta grafikleri pasta grafiklerinden daha başarılıdır. Renk, kategorileri ve büyüklükleri en iyi şekilde, sürüm 2.0'dan beri varsayılan olan viridis gibi algısal olarak tekdüze ve renk körlüğüne uygun renk haritalarıyla gösterir; bu renk haritaları Matplotlib içinde kullanılır.

Makine Öğrenmesinde Görselleştirme#

• Veri kümesi yanlılığı denetimleri: Sınıf histogramları dengesizliği açığa çıkarır; kutu konumlarının ve boyutlarının haritaları, nesnelerin sürekli tek bir bölgede ya da ölçekte göründüğünü ortaya koyar; görüntü ızgaraları ise etiket hatalarını gösterir.
• Kayıp fonksiyonu eğrileri: Her dönem için çizilen eğitim ve doğrulama kaybı yakınsamayı gösterir. Eğitim kaybı düşerken doğrulama kaybının yükselmesi aşırı öğrenmeye işaret eder.
• Karışıklık matrisleri ve kesinlik-duyarlılık eğrileri: Bir modelin hangi sınıfları karıştırdığını ve güven eşiği değiştikçe kesinliğin duyarlılıkla nasıl bir ödünleşim içinde olduğunu gösterir.
• Gömme haritaları ve t-SNE: t-SNE gibi izdüşümler benzer örnekleri iki boyutta birbirine yakın yerleştirerek kümeleri, kopyaları ve aykırı değerleri açığa çıkarır.
• Belirginlik haritaları ve tahmin bindirmeleri: Görüntülerin üzerine kutular, maskeler veya kilit noktalar çizerek kararı belirleyen pikselleri vurgular.

TensorBoard ve Weights & Biases gibi deney izleyicileri, bu ölçümleri çok sayıda eğitim çalıştırması boyunca canlı olarak grafiklerle gösterir; böylece aşırı öğrenme, doğrulama kaybı yükselmeye başladığı anda fark edilir. Ultralytics YOLO ayrıca temel grafikleri varsayılan olarak her eğitim çalıştırmasının klasörüne kaydeder: labels.jpg, sınıf örneği sayılarını, kutu şekillerinden bir örneklemi ve sınırlayıcı kutu merkezlerinin ve kutu genişliklerinin yüksekliklerine oranının 2B histogramlarını gösterir. results.png ise her kayıp ve ölçümü dönem başına grafikle gösterir; doğrulama sonucuna karışıklık matrisleri ve kesinlik-duyarlılık eğrileri de eklenir.

Veri Görselleştirme ve İlgili Terimler#

• Veri analitiği: Soruları yanıtlamak için verileri inceleme, temizleme ve modelleme sürecinin genel adıdır. Görselleştirme, keşif ve sonuçları raporlama için kullanılan başlıca araçlardan biridir.
• Açıklanabilir yapay zekâ (XAI): Bir modelin neden karar verdiğini açıklar; belirginlik haritaları gibi görselleştirmeler de başlıca çıktıları arasındadır.
• Veri madenciliği: Büyük veri kümelerindeki örüntüleri otomatik olarak bulmak için algoritmalardan yararlanır; görselleştirme de çoğu zaman bulduğu örüntüleri sunar.
• Gösterge panoları: Temel ölçümleri zaman içinde izleyen, tek ekrandaki grafik koleksiyonlarıdır; iş zekâsı araçlarında ve üretim modellerinin izlenmesinde sıkça kullanılır.