
164
|
第
9
章
数据与机器学习可视化在空间计算中的开发与设计
章末尾的参考资料部分)。开发者应当了解数据的复杂性,以便决定是否需要对数据
进行预处理,以及存储数据的位置(比如,使用亚马逊的云服务以
JSON
格式存储
数据)。在
XR
完全加载并可视化数据之前,可能会涉及一些原型(有时需要在
2D
原型制作工具中使用
3D
原型)。
How
采用什么方法去构建数据或机器学习可视化。
基础的可视化无须做大量的预处理,
但是对于那些需要做预处理的可视化(通常是使用
Python
的可视化),就需要考虑
整个工作流程了。在选定的数据可视化平台上,确定好编程语言(比如
C#
、
C++
、
JavaScript
),以及集成开发环境(比如
Unity
、
Unreal
引擎、其他游戏引擎或自研的
引擎,本书中的例子主要采用
Unity
)。
一些数据可视化用于实际商业用途,通过对数据进行显示与交互,以帮助营销专员、业
务分析师及高管做出更好的商业决策。而另一些数据可视化(其使用者可能是机器学习
工程师、数据科学家或软件工程师),通过空间计算可视化的探索方式来探寻优化技术。
探索模型的含义。与其他媒体相比,用户在空间计算中可以更清晰地观察出那些复杂的
多维数据的潜在层次。从这点来讲,可视化将成为“维数灾难”的解决方案,即将多维
数据压缩成更容易理解的格式。
另外,某些可视化常常被错误地归类为数据可视化,但实际上其仍属于数据展示与图表
设计的范畴,可视为美观的艺术作品。创造它们纯粹是为了装饰,或者更多的是为了美
学与欣赏,而不是为了实际用途。在描述数据的类别(参见图 ...