数据可视化方法因具体领域而异。

计算金融学

基于历史数据或实时市场数据的数据可视化，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、评估风险和制定正式的交易策略。

下图通过拟合历史数据的时间序列模型仿真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 等应用中。常见任务涉及预处理和比较信号、设计数字滤波器、变换信号、执行测量以及检测模式和事件。数据可视化可用于在时域、频域和时频域中分析感兴趣的信号。

下图绘制的是太平洋蓝鲸的音频数据。可视化是在 MATLAB^® 中使用信号分析器创建的，有助于在时域和频域中可视化信号。

图像处理和计算机视觉

图像和视频处理有助于查找形状、执行对象计数、识别颜色、测量对象属性以及查找其他有意义的信息。图像处理方法通常用作计算机视觉工作流中的预处理步骤。此领域的应用包括智能手机的人脸识别、自动驾驶汽车中的行人避让和车辆避障、视频监控、医学 MRI 中的肿瘤检测及其他图像检索系统。

例如，宝马在驾驶辅助视图 (ADV) 中使用计算机视觉功能来描绘周围车辆并识别其类型。

人工智能 (AI)

数据可视化在开发 AI 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，聚类分析有助于执行异常检测和数据预处理，以用于有监督学习。主成分分析 (PCA) 和 t 分布随机近邻嵌入 (t-SNE) 是两种最常用的数据可视化方法，因为它们有助于降低数据维度，以便您能够专注于关键的区分维度。

在深度学习中，您可以使用网络准确度和损失图等数据可视化方法监控训练进度，并使用梯度加权类激活映射 (Grad-CAM)、遮挡敏感度、与模型无关的局部可解释性解释 (LIME) 和 Deep Dream 等可视化方法研究经过训练的网络。

软件包提供多项功能，可用于将原始数据转换为丰富的可视化效果，例如绘图、图表和示意图。下面以自行车流密度数据为例进行说明。如果仅以目测方式检查原始数据，则很难建立数据点之间的关系。

下面的条形图显示自行车流密度在一周中的升降情况。现在，很容易看到，工作日骑车人数要比周末多。借助这种可视化，我们可以推断走这条路线的骑车人主要是上下班通勤人员。

散点图可用于从相同数据中获得更多见解。下图显示一天中特定时间东行和西行的自行车总数。根据此图，我们可以得出这样的结论：东向路线通往商业区，西向路线通往居民区。此外，我们还可以确定东向路线的交通高峰时段是上午 8 点到 10 点，西向路线的交通高峰时段是下午 4 点到 6 点。

分簇散点图是一种特殊的散点图，可以显示一天中不同时间、一周中各天以及不同方向的自行车流密度模式。

在自行车流示例中，使用不同类型的图（如条形图、散点图和分簇散点图）可视化数据，有助于我们从数据集中提取有用的信息，包括交通高峰日、通勤方向和一天中最繁忙的时段。

MATLAB 是一种编程和数值计算平台，用于数据分析、算法开发和建模。它支持整个数据分析工作流，包括将数据直接采集到 MATLAB 中，分析和可视化这些数据，以及导出结果。您可以使用交互式 App 来可视化您的数据，而无需编写任何代码。这些 App 会自动为您生成适当的 MATLAB 代码，以便您能够自动化和重用工作。

创建数据可视化

MATLAB 提供了各种内置图类型，如线图、散点图、分布图和地理图，用于可视化来自各种应用的数据集。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

您可以通过交互方式探索可视化，包括：

注释和自定义数据可视化

您可以通过突出显示所要传达的基本信息，以交互方式注释可视化，例如：

访问 MATLAB Central 的 File Exchange，了解更多自定义图容器示例。

导出数据可视化效果

您可以直接导出自定义的和带注释的可视化效果，以供在 Web 上、演示文稿和报告中使用。

将数据可视化与数据分析相集成

数据可视化通常与数据分析和预处理结合使用。MATLAB 的 App，如数据清洗器和信号分析器，将这些步骤整合在了一起。

特定于应用的可视化

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

将 MATLAB 与其他数据可视化工具结合使用

您可以使用 MATLAB 的计算和数据处理功能，通过其他商业智能工具创建可视化和控制板，此类工具如下：

• Tableau
• Power BI
• Plotly

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达成其研究目标。