Visualization for Machine Learning

¿Qué es la Information Visualization? ¿Por qué usarla?

“El uso de representaciones visuales interactivas, con soporte computacional, de datos abstractos para amplificar la cognición.”

Conceptos Clave

Basado en computadora
Representación Visual
Datos Abstractos
Interactivo
Amplificar la Cognición

Datos Abstractos

Datos sin una representación visual obvia/natural

Datos Abstractos

Datos sin una representación visual obvia/natural

Interactivo

Los usuarios pueden cambiar qué se visualiza y cómo se visualiza.

Ejemplo: TaxiVis

Amplificar la Cognición

Resolver problemas con datos con menos esfuerzo, en menos tiempo, y con más precisión.
… o incluso poder hacer cosas que serían imposibles de hacer sin una computadora y una representación gráfica.

Artefactos cognitivos: ¡herramientas que nos ayudan a pensar!

Intenta multiplicar 34 x 72 usando exclusivamente tu mente …
… ahora hazlo de nuevo usando papel y lápiz.

¿Por qué es más fácil?

… porque podemos almacenar resultados intermedios en el papel en lugar de mantener la información en la mente. Es decir, parte de la memoria está en el mundo en lugar de estar en tu cabeza.

Juguemos al “juego del 15” …

Las “piezas” del juego son los nueve dígitos: 1, 2, 3, 4, 5, 6, 7, 8, 9. Cada jugador toma un dígito por turno. Una vez que un dígito es tomado, no puede ser usado por el otro jugador. El primer jugador en obtener tres dígitos que sumen 15 gana.
Aquí hay una partida de ejemplo: El jugador A toma 8. El jugador B toma 2. Luego A toma 4, y B toma 3. A toma 5.
Pregunta 1: Supón que ahora vas a intervenir y jugar por B. ¿Qué movimiento harías?

Juguemos un juego distinto: tic-tac-toe

Los jugadores colocan alternadamente una O o una X en uno de los nueve espacios dispuestos en un arreglo rectangular. Una vez que un espacio ha sido ocupado, no puede ser cambiado por ningún jugador. El primer jugador en obtener tres símbolos en línea recta gana. Supón que el jugador A es X y B es O, y el juego ha llegado al estado de la derecha.

Pregunta 2: Supón que ahora vas a intervenir y jugar una O por B. ¿Qué movimiento harías?

Problem Isomorphs Herbert Simon

¡Los dos problemas son equivalentes!

¿Por qué usar visualization?

Explanatory visualization
Exploratory visualization
Confirmatory visualization

Grandes Explanatory Visualizations

NYT: https://flowingdata.com/tag/new-york-times/
Washington Post: http://postgraphics.tumblr.com/
Gregor Aisch: https://driven-by-data.net/
Nicky Case/Explorable Explanations: http://explorabl.es/
Polygraph: http://polygraph.cool/ & https://pudding.cool/
ProPublica: https://www.propublica.org/

¿Por qué usar una representación gráfica?

Grandes partes de nuestro cerebro están dedicadas al procesamiento espacial

¿Por qué usar una computadora para visualizar datos?

¿Por qué usar interaction?

Cada visualization solo puede responder un subconjunto de preguntas.
Con interaction el usuario puede cambiar qué se visualiza y cómo responder múltiples preguntas.
Además, no se puede visualizar todo a la vez.

¿Cómo evalúas la calidad de una visualization?

¿No es acaso subjetivo? A algunas personas les gusta A, mientras que a otras les gusta B.

Algunas representaciones visuales son mejores que otras para resolver problemas particulares …

Digresión: Graphical Perception

Experimento de Graphical Perception

Resultados de Graphical Perception

Diseñar visualizations efectivas requiere

Conocer el espacio de diseño
Poder comparar las soluciones
… lo que a su vez requiere comprender la percepción humana.

Data Types

El primer ingrediente en una visualization efectiva es el input data. Los valores de datos pueden representar distintas formas de medición.
¿Qué tipos de comparaciones soportan esas mediciones?
¿Qué tipos de visual encodings soportan entonces esas comparaciones?

Nominal (N) o Categorical (C)

Los datos nominal — también llamados categorical — consisten en nombres de categorías.
Con datos nominal podemos comparar la igualdad de valores: ¿es el valor A igual o distinto al valor B? (A = B), soportando afirmaciones como “A es igual a B” o “A no es igual a B”.
Al visualizar datos nominal deberíamos percibir fácilmente si los valores son iguales o distintos: position, color hue (azul, rojo, verde, etc.), y shape son todas opciones razonables.

Ordinal (O)

Los datos ordinal consisten en valores que tienen un ordenamiento específico.
Con datos ordinal podemos comparar el rank-ordering de los valores: ¿el valor A viene antes o después del valor B? (A < B), soportando afirmaciones como “A es menor que B” o “A es mayor que B”.
Al visualizar datos ordinal, deberíamos percibir una sensación de rank-order. Position, size, o color value (brillo) podrían ser apropiados, mientras que color hue (que no está perceptualmente ordenado) sería menos apropiado.

Quantitative (Q)

Los datos quantitative miden diferencias numéricas..
Hay dos sub-tipos principales:
- Interval: Mide distancias (A - B).
- Ratio: Mide proporciones o factores de escala (A / B).
Los valores quantitative pueden visualizarse usando position, size, o color, entre otros channels. Una línea base de cero es esencial para comparaciones ratio pero opcional para datos interval.

Temporal (T)

Los valores temporal miden puntos o intervalos de tiempo. Este tipo es un caso especial de valores quantitative (timestamps) con semántica y convenciones ricas (es decir, el calendario gregoriano).
Ejemplos de valores temporal incluyen date strings como “2019-01-04” y “Jan 04 2019”, así como date-times estandarizados como el formato ISO date-time: “2019-01-04T17:50:35.643Z”. No hay valores temporal en nuestro dataset global de desarrollo mencionado arriba, ya que el campo de año está codificado como un entero.

Spatial (S)

Datos que pueden mostrarse en un mapa
También conocidos como geospatial data, se refiere a información que identifica la ubicación geográfica y las características de rasgos y límites naturales o construidos en la Tierra. https://atlan.com/spatial-data/

Resumen de Data Types

Estos data types no son mutuamente excluyentes, sino que forman una jerarquía: los datos ordinal soportan comparaciones nominal (igualdad), mientras que los datos quantitative soportan comparaciones ordinal (rank-order).
Además, estos data types no ofrecen una categorización fija. Por ejemplo, ¡que un campo de datos esté representado usando un número no significa que debamos tratarlo como un tipo quantitative! Podríamos interpretar un conjunto de edades (10 años, 20 años, etc.) como nominal (menor o mayor de edad), ordinal (agrupadas por año), o quantitative (calcular la edad promedio).

Fundamental Charts

Ampliamente adoptados, efectivos, útiles.
Resuelven un porcentaje muy grande de problemas de vis.
Terreno de entrenamiento para gráficos más sofisticados.

Bar Chart

Visualiza cómo una cantidad se distribuye a través de un conjunto de categorías.

Line Chart

Visualiza cómo una cantidad cambia en relación con otra cantidad (típicamente el tiempo).

Scatter Plot

Visualiza cómo una cantidad se relaciona con otra cantidad.

Matrix

Visualiza cómo una cantidad se distribuye a través de dos categorías.

Symbol Map

Visualiza cómo una cantidad se distribuye a través de dos coordenadas espaciales.

Resumen de Fundamental Graphs

Scatter Plots + Faceting (sin)

Scatter Plots + Faceting (con)

Tidy Data

Objetivo: organizar los datos para facilitar la visualization

link al paper

Tidy Data

Tidy Data: Definición

En tidy data:

Cada variable forma una columna.
Cada observación forma una fila.
Cada tipo de unidad observacional forma una tabla.

Tidy Data: Ejemplo #1

Tidy Data

Tidy Data: Ejemplo #2

Tidy Data

Graphical Encoding

Toda visualization puede describirse en términos de:

sus componentes gráficos básicos
la estrategia de mapping entre datos y gráficos
más precisamente, un conjunto de mappings entre:
- data items — visual marks
- data attributes — visual channels

Graphical Marks

Visual Encoding Channels

Visualization Decoding

Marks — Data Items
Channels — Data Attributes

Ejemplos

NYT link

Expressiveness Principle

La representación visual debe expresar el tipo de información que existe en los datos.

Los datos ordenados no deben aparecer como desordenados.
Los datos desordenados no deben aparecer como ordenados.

Effectiveness Principle

La relevancia de la información debe coincidir con la efectividad de los channels usados.

Representa la información importante con channels más efectivos

Effectiveness Effect

Resumen

Visual Encoding/Decoding
Graphical Marks and Channels
Expressiveness and Effectiveness
Channels Appropriateness and Ranking
Evaluation and Design
Componentes Contextuales
- Labels, legends y annotations
- Axes, grids y trend lines

Neo: Interactive Confusion Matrices

¡Gran ejemplo de investigación en VisML!