Vidéo: Visualisations de données dans Power BI avec le langage R 2025
Une visualisation peut représenter une simulation (représentation graphique d'un scénario hypothétique) dans l'analyse prédictive. Vous pouvez suivre une visualisation d'une prédiction avec une simulation qui chevauche et prend en charge la prédiction. Par exemple, que se passe-t-il si l'entreprise arrête de fabriquer le produit D? Que se passe-t-il si une catastrophe naturelle frappe le bureau à domicile? Que se passe-t-il si vos clients perdent leur intérêt pour un produit particulier? Vous pouvez utiliser la visualisation pour simuler le comportement futur d'une entreprise, d'un marché, d'un système météorologique - vous l'appelez.
Un tableau de bord est un autre type de visualisation que vous pouvez utiliser pour afficher un modèle d'analyse prédictive complet. Le tableau de bord vous permettra, à l'aide d'un bouton de contrôle, de modifier n'importe quelle étape du pipeline d'analyse prédictive. Cela peut inclure la sélection des données, le prétraitement des données, la sélection d'un modèle prédictif et la sélection des bonnes versions d'évaluation. Vous pouvez facilement modifier n'importe quelle partie du pipeline à tout moment en utilisant le bouton de contrôle sur le tableau de bord. Un tableau de bord est un type de visualisation interactive où vous avez le contrôle et vous pouvez modifier dynamiquement les diagrammes, les tableaux ou les cartes en fonction des entrées que vous choisissez d'inclure dans les analyses qui génèrent ces graphiques.
Le modèle représente des objets de données comme des oiseaux volant dans un espace virtuel, suivant les
règles de rassemblement qui orchestrent la façon dont un essaim migrateur d'oiseaux se déplace dans la nature.
sous-blocs (regroupements). La similitude entre les objets dans le monde réel est ce qui motive les mouvements des oiseaux correspondants dans l'espace virtuel. Imaginons par exemple que vous souhaitiez analyser les données en ligne collectées auprès de plusieurs internautes (également appelés internautes). Utilisation du flocage d'oiseaux pour analyser le comportement en ligne des internautes.
Deux internautes affluent.
L'interaction (c'est-à-dire la proximité entre les oiseaux représentatifs) est exprimée comme une fonction mathématique qui dépend de la fréquence de l'interaction sociale ou de l'intensité avec laquelle les utilisateurs achètent les mêmes produits ou partagent les mêmes intérêts. Cette dernière fonction mathématique dépend uniquement du type d'analyse que vous appliquez.
L'image ci-dessus illustre l'interaction sur Facebook entre les internautes X et Y dans le cyberespace en tant qu'espace virtuel de flocage d'oiseaux, où X et Y sont représentés comme des oiseaux. Parce que les internautes X et Y ont interagi les uns avec les autres, la prochaine itération de flocage montrera que leurs deux oiseaux sont plus proches l'un de l'autre.
Un algorithme connu sous le nom de «flock by leader», inventé par le professeur Anasse Bari et le professeur Bellaachia (voir les références suivantes), a été inspiré par une découverte récente qui a révélé la dynamique de leadership chez les pigeons. Cet algorithme peut extraire les données de l'utilisateur pour détecter les leaders, découvrir leurs adeptes et initier un flocage dans l'espace virtuel qui imite étroitement ce qui se produit lorsque les troupeaux se forment naturellement - sauf les troupeaux, dans ce cas, les grappes de données appelées < groupes de données
. Cette technique permet non seulement de détecter les modèles dans les données, mais fournit également une représentation graphique claire des résultats obtenus en appliquant des modèles d'analyse prédictive. Les règles qui orchestrent le comportement de flocage naturel dans la nature ont été étendues pour créer de nouvelles règles de flocage conformes à l'analyse des données: Homogénéité des troupeaux de données:
Les membres du troupeau présentent des similitudes dans les données.
- Leadership des troupeaux de données: Le modèle anticipe les leaders de l'information.
- Représenter un ensemble de données volumineux comme une volée d'oiseaux est une façon de visualiser facilement les grandes données dans un tableau de bord. Ce modèle de visualisation peut être utilisé pour détecter des éléments de données aberrants, leaders ou suiveurs. Une application politique pourrait être de visualiser les outliers de la communauté, les leaders de la communauté, ou les adeptes de la communauté. Dans le domaine biomédical, le modèle peut être utilisé pour visualiser les génomes et les leaders des outliers parmi les échantillons génétiques d'une maladie particulière (par exemple, ceux qui montrent une mutation particulière le plus régulièrement).
Une visualisation de vol d'oiseau peut également être utilisée pour prédire les futurs modèles de phénomènes inconnus dans le cyberespace - les troubles civils, un mouvement social émergent, la lignée d'un futur client.
La visualisation de flocage est particulièrement utile si vous recevez un grand volume de données en continu à grande vitesse: Vous pouvez voir la formation de flocages dans l'espace virtuel contenant les oiseaux qui représentent vos objets de données. Les résultats de l'analyse des données sont reflétés (littéralement) à la volée sur l'espace virtuel. Réalité donnée une représentation fictive, pourtant observable et analytiquement significative, purement inspirée de la nature. De telles visualisations peuvent également fonctionner comme des simulations ou des scénarios hypothétiques.
Une visualisation basée sur le flocage commence par indexer chaque internaute sur un oiseau virtuel. Initialement, tous les oiseaux sont inactifs.Au fur et à mesure que les données arrivent, chaque oiseau commence à affluer dans l'espace virtuel en fonction des résultats analytiques et des règles de flocage.
Suivi des internautes affluents.
Ci-dessous, le troupeau émergent est formé à mesure que les analyses sont présentées.
Après avoir analysé les données sur une longue période se terminant à t + k, les résultats de cette application des résultats d'analyse prédictive peuvent être représentés comme suit: L'algorithme flock-by-leader différencie les membres du troupeau en trois classes: un leader, des suiveurs et des outliers.
L'algorithme flock-by-leader a été inventé par le Dr. Bari et le Dr. Bellaachia et expliqué en détails dans ces ressources:
Cela apparaît aussi comme un chapitre de livre dans
- Advances in Swarm Intelligence,
Edition 2012 - (Springer-Verlag). «SFLOSCAN: un cadre d'exploration de données biologiquement inspiré pour l'identification des communautés dans les réseaux sociaux dynamiques», Conférence internationale de l'IEEE sur l'intelligence informatique, 2011 (SSCI 2011), 2011.
