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、评估风险和形式化交易策略。

下面的图模拟了电力现货价格的未来行为从一个时间序列模型拟合的历史数据。

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。常见的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。数据可视化用于在时间、频率和时频域分析感兴趣的信号。

下图是来自太平洋蓝鲸的音频数据。可视化是在MATLAB中创建的^®使用信号分析仪的应用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发现形状、计算物体数量、识别颜色、测量物体属性以及查找其他有意义的信息。图像处理技术是计算机视觉工作流程中常用的预处理步骤。该领域的应用包括智能手机的面部识别、自动驾驶汽车中的行人和车辆躲避、视频监控、医疗核磁共振中的肿瘤检测和其他图像检索系统。

例如，宝马在辅助驾驶视图(ADV)中使用计算机视觉功能来描述周围的车辆并识别它们的类型。

人工智能(AI)

数据可视化在开发人工智能模型(使用机器学习或深度学习)中发挥着重要作用，因为这些模型依赖于难以解释的大型数据集。在机器学习中，聚类分析有助于异常检测和监督学习中的数据预处理。主成分分析(PCA)而且t-分布式随机邻居嵌入(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，以便您可以专注于关键的区分维度。

在深度学习中，您可以使用数据可视化(如网络精度和损失图)来监视训练进度，并使用可视化技术(如梯度加权类激活映射(梯度- cam)、遮挡敏感性、局部可解释模型未知解释(LIME)和深度梦)来研究训练过的网络。

软件包提供了将原始数据转换为丰富可视化的功能，例如图表、图表和图表。下面是一个说明自行车交通密度数据的例子。仅仅通过视觉检查原始数据，很难建立数据点之间的关系。

的条形图下图显示的是自行车交通密度在一周中的上升和下降。现在很明显，工作日骑自行车的人比周末多。这个可视化让我们可以推断这条路线上骑自行车的人主要是上下班通勤。

一个散点图可以从相同的数据中获得更多的见解。下面的图表显示了一天中特定时间向东行和向西行的自行车总数。根据这个图，我们可以得出结论，东行路线通往商业区，西行路线通往居民区。此外，我们可以建立交通高峰时段为上午8:00-10:00的东行路线和下午4:00-6:00的西行路线。

一个群图是一种特殊的散点图，它可以显示自行车交通的密度模式在一天的不同时间，一周的每一天，和方向。

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，包括高峰交通天数、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程，包括获取数据直接到MATLAB;分析和可视化数据;并输出结果。您可以使用交互式应用程序无需编写任何代码即可可视化数据;这些应用程序将自动为您生成适当的MATLAB代码，因此您可以自动化和重用您的工作。

创建数据可视化

MATLAB提供了广泛的内置的图表类型如线状图、散点图、分布图和地理图，以可视化来自不同应用程序的数据集。您可以使用MATLAB语言以交互方式或编程方式创建可视化。

探索数据可视化

您可以交互式地探索您的可视化，包括:

标注和定制数据可视化

您可以通过突出显示您希望传达的基本信息来交互式地注释您的可视化，例如:

MATLAB从您的交互式图表修改自动生成代码。您可以通过将该代码添加到脚本中来重用它。

探索更多的自定义图表容器的示例在MATLAB中央文件交换。

导出数据可视化

您可以直接导出您的自定义和注释的可视化，以便在web上、演示和报告中使用。

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的应用程序，比如数据更清洁和信号分析仪，把这些步骤结合起来。

特定于应用程序的可视化

MATLAB工具箱提供了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与其他商业智能工具创建可视化和仪表板，例如:

• 表
• 权力BI
• 情节

有趣的数据可视化应用

MATLAB中的数据可视化功能使组织能够有效地满足他们的研究目标。