Visualisierungstechniken des Data Mining

Die Grundidee der visuellen Datenexploration ist die geeignete Darstellung der Daten in visueller Form, um einen Einblick in die Struktur der Daten zu bekommen. Dies ermöglicht darüber hinaus Schlussfolgerungen aus den visualisierten Daten zu ziehen sowie direkt mit den Daten zu interagieren und Hypothesen über die Daten aufzustellen. Dabei kann mit stark inhomogenen und verrauschten Daten gearbeitet werden und die Datenexploration kann auch durch Nicht-Spezialisten durchgeführt werden (vgl. Keim, 2002, S. 30).

Darstellung: Strichmännchen Visualisierung, X-Y Plot, Künstliche Landschaft, Quelle: Keim, 2002, S. 33-36

Die visuelle Datenexploration lässt sich nach Keim (2002, S. 30) in 3 Schritte untergliedern: „Overview“, „Zoom and Filter“ und „Details-on-demand“. Zunächst braucht der Benutzer Überblick über die Daten (overview). Der Benutzer kann interessante Muster in den Daten erkennen, und sie anschließend mit Zoom- und Selektionstechniken (zoom and filter) genauer untersuchen. Für die genaue Analyse der Muster kann auf Details der Daten zugegriffen werden (detail-on-demand). Visualisierungstechniken können in allen drei Schritten eingesetzt werden.
Die Visualisierungstechniken können wie folgt untergliedert werden (vgl. Keim, 2002, S. 31):

Standard 2D/3D Visualisierungen (z.B. X-Y-Diagramme)
Geometrische Transformationen (z.B. künstliche Landschaften)
Icon-basierte Visualisierungen (z.B. „Strichmännchen“-Visualisierung)
Pixel-Visualisierungen (z.B. Circle Segments Techniken)
Geschachtelte Visualisierungen (z.B. Treemaps)

Darstellung: Circle Segments und Tree Map Visualisierung; Quelle: Keim, 2002, S. 33-36

Für die Auswahl der Visualisierungstechnik spielt der Dateityp eine entscheidende Rolle (vgl. Keim, 2002, S. 31ff).
Visualisierungstechniken zur Exploration von Text und Hypertext: Im Themenbereich „Text Mining“ werden dazu die ThemeView Visualisierung, die hyperbolische Visualisierung und eine Visualisierungstechnik im Skitter Projekt vorgestellt.