欢迎关注可视化笔记专栏
本文翻译整理自Tableau官方博客
注:Draco为2018年InfoVis大会的Best paper[1]
制作时间线信息图(以下简称Timeline)对于新手来说是一件非常耗时的工作,通常一些常用的设计或者商业工具(比如AI和PPT)都会提供一些可用的模板来辅助制作Timeline,尽管非常简单易用,…
可解释性机器学习 XAI 是打开机器学习黑盒的一系列技术手段,是近些年来的热门研究领域。然而伴随着各种层出不穷的XAI技术,如何选择不同的方法和适应不一样的依赖和输出成为了新的挑战。explAIner[1]…
Vega-Lite…
与之前介绍的DataShot不同,Text-to-Viz[1]不直接从数据中生成可视化,而是通过自然语言的文字描述来生成对应的信息图(Infographic)。该方法需要理解用户输入的文本,提炼出正确的信息用于可视化,并确保最终的信…
DataShot[1]是一整套自动生成可视化信息简报的方法,输入信息为表格数据,输出则是美观的信息简报(FactSheet)。研究者在前期调研了245个获奖的信息简报作品和其中相应793个可视化设计元素,从全局和局部的层面进行整理与统计,将其…
Resource: https://github.com/sdq/react-d3-dashboard
欢迎关注我的人机交互与可视化设计专栏
论文发表于CHI2019,作者为Kevin Hu (MIT Media Lab),…
(翻译整理自Dieleman的博客)
针对不同用户推荐合适的音乐是每个音乐类软件都希望实现的目标。本文从传统的协同过滤方法的优缺点说起,引出一套基于音频信号的音乐推荐算法,并在最后对实现的深度神经网络进行可视化剖析,理解模型的运行原理。
协同过滤是音乐推荐的一种基础方法,基本原理是通过历史使用数据来判断用户的喜好。举个例子,如果有两个用户听了大量相同的歌曲,那他们的兴趣应该是基本类似的。从歌曲角度来讲,如果两首歌被同一组人群听过的话,那…