有人可以告诉我是否有一种很好的（简单的）方法可视化高维数据？我的数据目前是21维，但我想知道它是密集的还是稀疏的。有没有技术来实现这个目标？
答案 0 :(得分：16)
Parallel coordinates是一种用于可视化高维数据的流行方法。
哪种可视化最适合您的数据，尤其取决于其特征 - 不同维度的相关性如何？
答案 1 :(得分：10)
Principal component analysis可能会有所帮助。
答案 2 :(得分：8)
我要搜索的流行语是multidimensional scaling。这是一种开发从高维空间到较低空间（2维或3维）的投影的技术，使得在整个空间中靠近的点将在投影中接近。
它通常用于可视化聚类算法的输出（即，如果您的聚类在MDS投影中是紧凑的，那么它们很可能也在整个空间中。）
编辑：这不一定有助于确定数据是密集还是稀疏，因为您在投影中丢失了比例，但它会显示它是统一的还是块状的（也许这就是你的意思）。
答案 3 :(得分：3)
不确定您希望从数据中看到哪种模式。 t-SNE及其更快的变体Barnes-Hut-SNE在可视化高维数据的相关概念组方面做得非常出色。它可以通过R。
获得有一个简短的教程，使用它来处理大约300维的高维数据。 http://www.codeproject.com/Tips/788739/Visualizing-High-Dimensional-Vector-using-T-SNE-wi
答案 4 :(得分：3)
我一直在寻找可视化高维数据的方法，并找到了有效使用的t-SNE technique。也可以帮助别人。
答案 5 :(得分：2)
查看http://www.ggobi.org（巡视，平行坐标，散点图矩阵）可用于实值变量。最近也是http://cranvas.org。 R中的旅行包。
答案 6 :(得分：1)
尝试使用http://hypertools.readthedocs.io/en/latest/。
HyperTools是一个用于在Python中可视化和操作高维数据的库。
答案 7 :(得分：0)
Star Schema。
http://en.wikipedia.org/wiki/Star_schema
适用于高维数据。
如果您的事实表的基数接近您的维度大小的乘积，则您拥有密集数据。
如果您的事实表的基数小于维度大小的乘积，则您的数据稀疏。
在中间你有一个判断电话。
答案 8 :(得分：0)
curios.IT数据探索软件专为高维数据的可视化而设计：数据显示为3D对象的集合（每个数据组一个），可同时显示多达13个变量。与其他技术（如平行坐标）相比，数据变量和视觉特征之间的关系更容易记住。