一图胜千言！这10种可视化技术你必须知道(15)_全文共4549字

\n \n

例如，可以在上文的恒温器折扣地图中添加一个第三维度。具体来说，就是把地图上的每一个点都延伸为一条竖直线，用以表示该地区的平均能耗。通过以上步骤，获得一幅四维图，其中四个维度分别表示经度、纬度、折扣力度和平均能耗。

\n \n

如果需要分析的数据维度比这还要更高，就需要先对数据进行降维处理。数据降维的方法主要有两种，即主成分分析法和t-SNE算法。

\n \n

目前应用最为普遍的降维方法是主成分分析法。该方法通过找寻新的向量来进行降维，并且该向量必须尽可能多地反映数据原来的线性变化信息。如果数据间的线性关系足够强大，那么主成分分析法的降维效果就会非常明显，并且几乎不会发生信息的丢失。

\n \n

相比之下， t-SNE算法就是一种非线性的降维方法。 t-SNE算法在降低数据维度的同时，还会对原高维空间内数据点之间的距离进行保留。

\n \n

来看看下面这幅图，图中的数据信息取样自MNIST手写数字数据库3 。该数据库包含从0到9十个数字的数千种手写体图像，研究人员可以使用该数据库对他们的聚类算法和分类算法进行测试。数据库中，这些手写体图像的分辨率是784像素（28*28），然而通过t-SNE算法的应用，可以直接将这些784维的数据降至二维。