6.3: Класифікація даних

Last updated
Save as PDF

Page ID: 37326

Anonymous
LibreTexts

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Цілі навчання

Метою цього розділу є опис методологій, доступних для аналізу даних у різні класи для візуального представлення на карті.

Процес класифікації даних об'єднує необроблені дані в заздалегідь визначені класи, або бункери. Ці класи можуть бути представлені на карті деякими унікальними символами або, у випадку з картами хороплету, унікальним кольором або відтінком (докладніше про колір і відтінок див. Розділ 8.1 «Базова геообробка з растрами»). Карти Choropleth - це тематичні карти, затінені градуйованими кольорами, щоб представляти певну статистичну змінну, що представляє інтерес. Хоча, здавалося б, просто, існує кілька різних методологій класифікації, доступних для картографа. Ці методології розбивають значення атрибутів вниз по різних інтервальних шаблонів. Монмоньє (1991) Монмоньє, М. 1991. Як лежати з картами. Чикаго: Університет Чикаго Прес. зазначив, що різні методології класифікації можуть мати великий вплив на інтерпретацію даної карти, оскільки представлений візуальний малюнок легко спотворюється шляхом маніпулювання конкретними інтервальними перервами класифікації. На додаток до застосовуваної методології, кількість класів, обраних для представлення цікавить особливість, також суттєво вплине на здатність глядача інтерпретувати відображену інформацію. У тому числі занадто багато класів може зробити карту виглядати надто складною і заплутаною. Занадто мало класів може спростити карту і приховати важливі тенденції даних. Найбільш ефективні спроби класифікації використовують приблизно чотири-шість різних класів.

Хоча проблеми потенційно існують з будь-якою технікою класифікації, добре побудований хороплет підвищує інтерпретаційність будь-якої заданої карти. Наступне обговорення описує методи класифікації, широко доступні в програмних пакетах геоінформаційних систем (ГІС). У цих прикладах ми будемо використовувати статистику населення Бюро перепису населення США для округів США в 1997 році. Ці дані знаходяться у вільному доступі на веб-сайті перепису населення США (http://www.census.gov).

Метод класифікації за рівним інтервалом (або рівним кроком) ділить діапазон значень атрибутів на класи однакового розміру. Кількість класів визначається користувачем. Метод класифікації рівних інтервалів найкраще використовувати для безперервних наборів даних, таких як опади або температура. Що стосується даних Бюро перепису населення 1997 року, значення населення округів у Сполучених Штатах коливаються від 40 (округ Єллоустонський національний парк, штат Міссурі) до 9 184 770 (округ Лос-Анджелес, Каліфорнія) для загального діапазону 9 184 770 − 40 = 9 184 730. Якщо ми вирішимо класифікувати ці дані на 5 класів рівних інтервалів, діапазон кожного класу охопив би розкид населення 9 184 730/ 5 = 1 836 946 (рис. 6.19 «Класифікація рівних інтервалів для даних населення округу США за 1997 рік»). Перевага методу класифікації рівних інтервалів полягає в тому, що він створює легенду, яку легко інтерпретувати і представити нетехнічній аудиторії. Основним недоліком є те, що певні набори даних в кінцевому підсумку більшість значень даних потраплять лише в один або два класи, тоді як деякі або ні значень займатимуть інші класи. Як ви можете бачити на малюнку 6.19 «Класифікація рівних інтервалів для даних про населення округів США за 1997 рік», майже всі округи віднесені до першого (жовтого) смітника.

Рисунок 6.19 Класифікація рівних інтервалів для даних населення округу США за 1997 рік

Метод квантильної класифікації розміщує рівні кількості спостережень у кожному класі. Цей метод найкраще підходить для даних, рівномірно розподілених по його діапазону. На малюнку 6.20 «Квантилі» показано метод класифікації квантиль з п'ятьма загальними класами. Оскільки в Сполучених Штатах є 3,140 округів, кожен клас у методології класифікації квантиль буде містити 3140/5 = 628 різних округів. Перевага цього методу полягає в тому, що він часто перевершує підкреслення відносного положення значень даних (тобто, які округи містять верхні 20 відсотків населення США). Основним недоліком методології квантильної класифікації є те, що ознаки, розміщені в межах одного класу, можуть мати різко різні значення, особливо якщо дані не рівномірно розподілені по його діапазону. Крім того, може статися протилежне, коли значення з малими відмінностями діапазону можуть бути розміщені в різних класах, що передбачає більш широку різницю в наборі даних, ніж насправді існує.

Малюнок 6.20 Квантилі

Метод класифікації природних розривів (або Дженкса) використовує алгоритм для групування значень у класах, розділених різними точками розриву. Цей метод найкраще використовувати з даними, які нерівномірно розподілені, але не перекошені до будь-якого кінця розподілу. На малюнку 6.21 «Природні розриви» показана класифікація природних розривів для даних щільності населення округу США 1997 року. Одним з потенційних недоліків є те, що цей метод може створювати класи, які містять широко різні діапазони чисел. Відповідно, клас 1 характеризується діапазоном трохи більше 150 000, тоді як клас 5 характеризується діапазоном понад 6 000 000. У таких випадках часто корисно або «налаштувати» класи після класифікації, або змінити мітки на деяку порядкову шкалу, наприклад «малий, середній або великий». Останній приклад, зокрема, може привести до більш зрозумілої глядачеві карти. Другим недоліком є той факт, що може бути важко порівняти дві або більше карт, створених методом класифікації природних розривів, оскільки діапазони класів настільки специфічні для кожного набору даних. У цих випадках набори даних, які можуть бути не надто розрізненими, можуть відображатися так у вихідній графіці.

Малюнок 6.21 Природні розриви

Нарешті, метод класифікації стандартного відхилення формує кожен клас шляхом додавання та віднімання стандартного відхилення від середнього набору даних. Метод найкраще підходить для використання з даними, які відповідають нормальному розподілу. У прикладі населення округу середнє значення становить 85,108, а стандартне відхилення - 277,080. Тому, як видно з легенди малюнка 6.22 «Стандартне відхилення», центральний клас містить значення в межах 0,5 стандартного відхилення від середнього, тоді як верхній і нижній класи містять значення, що становлять 0,5 і більше стандартних відхилень вище або нижче середнього відповідно.

Малюнок 6.22 Стандартне відхилення

На закінчення, існує кілька життєздатних методологій класифікації даних, які можуть бути застосовані до карт хороплету. Хоча доступні інші методи (наприклад, однакова площа, оптимальна), ті, які наведені тут, представляють найбільш часто використовувані та широко доступні. Кожен із цих методів представляє дані по-різному та висвітлює різні аспекти тенденцій у наборі даних. Дійсно, методологія класифікації, а також кількість використовуваних класів можуть призвести до дуже широко різних інтерпретацій набору даних. Ви, картограф, зобов'язані вибрати метод, який найкраще відповідає потребам дослідження, і представляти дані максимально змістовно і прозоро.

Ключові виноси

Карти Choropleth - це тематичні карти, затінені градуйованими кольорами, щоб представляти певну статистичну змінну, що представляє інтерес.
Чотири методи класифікації даних, представлені тут, включають рівні інтервали, квартиль, природні розриви та стандартне відхилення. Ці методи передають певні переваги та недоліки при візуалізації змінної, що цікавить.

ВПРАВИ

Враховуючи карти хороплету, представлені в цьому розділі, які ви вважаєте, що найкраще представляє набір даних? Чому?
Перейдіть в Інтернет та опишіть два інших методи класифікації даних, доступні користувачам ГІС.
Для таблиці з тридцяти значень даних, створених у розділі 6.1 «Описи та резюме», вправа 1, визначте діапазони даних для кожного класу так, ніби ви створювали схеми рівних інтервалів та квантильних класифікацій.