202 / 2024-09-04 20:01:32

自动化数据探索分析方案

在当前信息飞速增长的信息时代，数据星呈现指数级增长，这使得人们很难直观理解和分析数据。传统的数据分析方法往往依赖于专业领的知识和技能，同时也需要耗费大量的时间和精力。随着数据可视化技术的不断发展，由机器学习算法驱动的自动可视化技术已经具备了选择合适的图表来生成满足用户需求的可视化结果的能力。然而，分析方案经常需要调整以达到分析目标。为了解决这一问题，引入数据探索分析方法显得尤为重要。作品提出了一种基于数据字段组合与聚合方式(DSA Paradigm)的可视化分析方案推荐算法，并结合数据探索分析流程(EDA)设计开发了自动化数据分析方案推荐系统(AutoEDA)。针对字段类型识别问题，我们结合四种分类模型设计了动态字段识别框架，以实现数据字段类型的自动划分。对于分析策略评估的问题，我们基于图表编码长度(CAL)设计了自定义搜索策略的分析策略评估方法以及定义了图表匹配规则。最后，通过交互式可视回溯及分析方案的修改和追溯功能，结合公开开放网站的结构化数据，验证了该方案的有效性和可行性。