Pull to refresh

Метод представления данных «Лица Чернова» и их развитие с помощью асимметрии

Reading time2 min
Views15K
Лица Чернова (Chernoff Faces) — это схема визуального представления мультивариативных данных в виде человеческого лица. Каждая часть лица: нос, глаза, рот — представляет собой значение определенной переменной, назначенной для этой части (всего 18).

Основная идея в том, что для человека очень естесственно смотреть на лица, ведь все люди делают это каждый день. Поэтому анализ данных получается эдаким «натуралистичным». Легко делать сравнения и легко выявлять отклонения. Даже блондинки смогут производить мультивариативный анализ значительного количества данных.



В 1981 году Бернард Флури и Ганс Ридвил (Bernhard Flury and Hans Riedwyl) улучшили концепцию и добавили лицам Чернова асимметрию. Таким образом количество переменных увеличилось вдвое — до 36.

Итак, каждое лицо — это массив из 18 элементов, каждый из которых принимает значение от 0 до 1. Значению соответствует внешний вид соответствующей части лица. Параметры исследуемых объектов приводятся к этим значениям. Экстремумы реальных данных будут приняты как 0 и 1. Все остальное — лежащим в этом промежутке. По полученному массиву конструируется лицо.

Описание параметров лица и примеры их использования в моей записи тут
nordisk.pp.ru/design/44

или под катом


Вот какие параметры задаются у лица:

1. Размер глаза
2. Размер зрачка
3. Позиция зрачка
4. Наклон глаза
5. Горизонтальная позиция глаза
6. Вертикальная позиция глаза
7. Изгиб брови
8. Плотность брови
9. Горизонтальная позиция брови
10. Вертикальная позиция брови
11. Верхняя граница волос
12. Нижняя граница волос
13. Обвод лица
14. Темнота волос
15. Наклон штриховки волос
16. Нос
17. Размер рта
18. Изгиб рта

Сложность заключается в правильном сопоставлении исследуемых переменных с частями лица. При ошибке важные закономерности могут остаться незамеченными.

Флури приводит пример удачного анализа с помощью лиц. Он проанализировал 100 реальных и 100 поддельных банкнот по параметрам размера границ, отступов и диагоналей. Вот что получилось:



Поддельные банкноты четко выделились в отдельную группу. Таким образом анализ позволил выявить различающиеся группы объектов.

Асимметрия позволяет рассматривать объекты в прогрессе. Второй пример показывает различные параметры у пациентов, к которым применялось лечение. Левая сторона лица показывает значения параметров до, а правая — после лечения.



Посмотрите как изменилось состояние параметров. Легко можно понять кому и насколько стало лучше, даже не вникая в сущность исследуемых параметров.

Статью Graphical Representation of Multivariate Data by Means of Asymmetrical Faces (by Bernard Flury and Hans Riedwyl) можно почитать на JSTOR

www.jstor.org/stable/2287565

Если у вас нет доступа, я могу вам ее прислать в обмен на интересую ссылку, о которой я еще не знаю.

Tags:
Hubs:
Total votes 57: ↑44 and ↓13+31
Comments42

Articles