数据可视化技术因领域而异。

计算金融

使用历史或实时市场数据，数据可视化有助于快速识别模式和趋势，检测异常，并获得有意义的见解。数据可视化有助于执行分析、开发预测模型、评估风险和规范化交易策略。

下图模拟了根据历史数据拟合的时间序列模型得出的电力现货价格的未来行为。

信号处理

信号处理用于语音分析、心率监测、无线通信、遥感、气候监测和GPS等应用。常见任务包括预处理和比较信号、设计数字滤波器、转换信号、执行测量以及检测模式和事件。数据可视化用于分析时域、频域和时频域中感兴趣的信号。

下图是一只太平洋蓝鲸的音频数据。可视化是在MATLAB中创建的^®使用信号分析仪应用程序这有助于在时域和频域中可视化信号。

图像处理与计算机视觉

图像和视频处理有助于查找形状、计数对象、识别颜色、测量对象属性以及查找其他有意义的信息。图像处理技术通常作为预处理步骤应用于计算机视觉工作流中。该领域的应用包括智能手机的面部识别、自动驾驶车辆中的行人和车辆回避、视频监控、医学MRI中的肿瘤检测以及其他图像检索系统。

例如，宝马在辅助驾驶视图（ADV）中使用计算机视觉功能来描绘周围的车辆并识别其类型。

人工智能（AI）

数据可视化在使用机器学习或深度学习开发人工智能模型中发挥着重要作用，因为模型依赖于难以解释的大数据集。在机器学习中，聚类分析有助于检测异常和监督学习中的数据预处理。主成分分析（PCA）和t吨-分布式随机邻域嵌入（t-SNE）是两种最常用的数据可视化技术，因为它们有助于减少数据维度，因此您可以专注于关键的差异化维度。

在深度学习中，您可以使用数据可视化（如网络准确性和损失图）来监控训练进度，并使用可视化技术（如梯度加权类激活映射（Grad-CAM）、遮挡敏感性、局部可解释模型-认知解释（LIME）和深度梦）来调查训练的网络。

软件包提供了将原始数据转换为丰富可视化的功能，如绘图、图表和图表。以下是自行车交通密度数据的示例。仅通过目视检查原始数据，很难在数据点之间建立关系。

这个条形图下图显示，自行车交通密度在一周中的几天内不断上升和下降。现在很明显，与周末相比，平日骑自行车的人数更多。通过这种可视化，我们可以推断出，在这条路线上骑自行车的人主要是往返于工作场所。

一散点图可用于从同一数据中获得更多见解。下图显示了一天中特定时间向东行驶和向西行驶的自行车总数。根据该地块，我们可以得出结论，东行路线通向商业区，西行路线通向住宅区。此外，我们可以确定，高峰时间交通量为东部路线上午8:00-10:00，西部路线下午4:00-6:00。

一群图是一种特殊的散点图，可以显示一天中不同时间、一周中不同日期和方向的自行车交通密度模式。

在自行车交通示例中，使用不同类型的图（如条形图、散点图和群图）可视化数据有助于我们从数据集中提取有用的信息，包括高峰交通日、通勤方向和一天中最繁忙的时间。

MATLAB是一个用于分析数据、开发算法和创建模型的编程和数值计算平台。它支持整个数据分析工作流，包括直接将数据获取到MATLAB中；分析并可视化该数据；和导出结果。你可以使用交互式应用程序在不编写任何代码的情况下可视化数据；这些应用程序将自动为您生成适当的MATLAB代码，因此您可以自动化并重用您的工作。

创建数据可视化

MATLAB提供了广泛的内置图表类型如折线图、散点图、分布图和地理图，以可视化来自不同应用程序集的数据集。您可以使用MATLAB语言以交互方式或编程方式创建可视化效果。

探索数据可视化

您可以交互式地浏览可视化效果，包括：

注释和自定义数据可视化

您可以通过突出显示希望传达的基本信息来交互式注释可视化效果，例如：

了解更多信息自定义图表容器的示例MATLAB Central上的文件交换。

导出数据可视化

您可以直接导出自定义和带注释的可视化效果，以便在web上、演示文稿和报告中使用。

数据可视化与数据分析的集成

数据可视化通常与数据分析和预处理相结合。MATLAB应用程序，例如数据清理器和信号分析仪，将这些步骤结合起来。

特定于应用程序的可视化

MATLAB工具箱提供特定于应用程序的可视化，以及将可视化与数据预处理和分析相结合的交互式应用程序。

MATLAB与其他数据可视化工具的连接

您可以使用MATLAB的计算和数据处理功能，使用其他商业智能工具创建可视化和仪表盘，例如：

• 人构成的画面或场景
• 电源BI
• 阴谋地

有趣的数据可视化应用程序

MATLAB中的数据可视化功能使组织能够有效地实现其研究目标。