The bixplot: A variation on the boxplot suited for bimodal data
Dieser Beitrag stellt den Bixplot vor, ein neues Visualisierungswerkzeug, das den traditionellen Boxplot durch die Einbeziehung einer univariaten Clustermethode erweitert, um bimodale oder multimodale Datenstrukturen effektiv zu erkennen und darzustellen, wodurch die Identifizierung aussagekräftiger Untergruppen und isolierter Punkte in univariaten Datensätzen erleichtert wird.
Originalarbeit unter CC0 1.0 der Gemeinfreiheit gewidmet (http://creativecommons.org/publicdomain/zero/1.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, eine Menschenmenge zu verstehen. Sie möchten wissen: Sind sie alle nur eine große, durcheinandergeworfene Gruppe? Oder gibt es unterscheidbare Untergruppen, die sich im hellen Licht der Öffentlichkeit verstecken?
Seit Jahrzehnten verwenden Statistiker ein Werkzeug namens Boxplot, um einen schnellen Blick auf Daten zu werfen. Betrachten Sie einen Boxplot als eine einfache Zusammenfassungskarte. Er verrät Ihnen das „Mittelpunkt" der Menge, wie weit sie verteilt ist und ob es seltsame Ausreißer gibt (Menschen, die weit von der Gruppe entfernt stehen). Das ist großartig, hat aber einen blinden Fleck: Es geht davon aus, dass alle zu einer einzigen, glatten Gruppe gehören. Es ist, als würde man eine Menschenmenge betrachten und nur einen großen Klumpen sehen, obwohl tatsächlich zwei unterscheidbare Gruppen von Menschen Rücken an Rücken stehen.
Dieser Artikel stellt ein neues Werkzeug namens Bixplot vor (eine clevere Mischung aus „Boxplot" und „Mix"). Es wurde speziell entwickelt, um diese versteckten Untergruppen zu erkennen, insbesondere wenn die Daten zwei oder mehr „Gipfel" aufweisen (bimodal oder multimodal).
So funktioniert der Bixplot, unter Verwendung einfacher Analogien:
1. Der „Schnüffel-Test" (Prüfung auf eine oder viele Gruppen)
Bevor etwas gezeichnet wird, nimmt der Bixplot mit einem statistischen Test namens Hartigans Dip-Test einen tiefen „Schnüffel" an den Daten.
- Wenn die Daten nach einer Gruppe riechen: Zeichnet er ein standardmäßig aussehendes Bild, das die besten Teile alter Werkzeuge kombiniert: eine Box (für die Zusammenfassung), eine glatte Kurve (wie eine Violinform, um die Dichte zu zeigen) und einen „Teppich" (kleine Linien am Boden, die jeden einzelnen Datenpunkt zeigen).
- Wenn die Daten nach einer Mischung riechen: Weiß er, dass etwas nicht stimmt. Er erkennt, dass die Menge nicht einheitlich ist.
2. Der „Intelligente Sortierer" (Clustering)
Wenn die Daten eine Mischung sind, rät der Bixplot nicht einfach; er verwendet einen speziellen Clustering-Algorithmus, um die Daten in separate, ordentliche Haufen zu sortieren.
- Die „Kein-Innen"-Regel: Stellen Sie sich vor, Sie sortieren Murmeln in Gläser. Ein normaler Sortierer könnte eine rote Murmel in ein Glas mit blauen Murmeln legen, nur weil sie nah dran ist. Der Sortierer des Bixplots ist strenger: Er stellt sicher, dass kein Glas eine Murmel „innerhalb" des Territoriums eines anderen Glases hat. Die Gruppen müssen als nebeneinanderliegende Blöcke klar unterscheidbar sein.
- Die „Mindestgröße"-Regel: Er weigert sich auch, winzige, einsame Gläser zu machen. Wenn eine Gruppe zu klein ist (wie nur ein oder zwei Datenpunkte), wird sie wieder zusammengeführt. Dies verhindert, dass das Werkzeug „Geistergruppen" sieht, die nur zufälliges Rauschen sind.
3. Das endgültige Bild
Sobald die Daten sortiert sind, zeichnet der Bixplot eine neue Art von Karte:
- Separate Körper: Anstatt einer großen Form sehen Sie separate „Körper" für jede Gruppe, oft in verschiedenen Farben.
- Dichtekurven: Die Breite dieser Körper zeigt, wie voll diese Gruppe ist.
- Der Teppich: Am Boden sehen Sie kleine Linien für jeden einzelnen Datenpunkt. Dies ist entscheidend, weil es Ihnen ermöglicht zu sehen, genau wo die Punkte liegen, einschließlich isolierter Punkte, die sich vielleicht zwischen den Gruppen verstecken.
- Farbcodierung: Sie können diese kleinen Linien sogar basierend auf anderen Informationen einfärben (wie das Geschlecht eines Pinguins oder die Art einer Blume), was Ihnen hilft zu erkennen, wie verschiedene Variablen mit den Gruppen zusammenhängen.
Reale Beispiele aus dem Artikel
Die Autoren testeten dies an echten Daten, um zu zeigen, wie es Dinge findet, die andere Werkzeuge übersehen:
- Fische: Sie untersuchten, wie lange Fische warteten, bevor sie erkundeten. Die alten Werkzeuge deuteten auf zwei Gruppen hin, aber der Bixplot zeigte deutlich zwei unterschiedliche „Wartestile".
- Pinguine: Sie maßen die Schnabellängen von Pinguinen verschiedener Inseln. Auf einer bestimmten Insel enthüllte der Bixplot, dass die Pinguine nicht nur eine Gruppe waren; es gab tatsächlich zwei unterscheidbare Größengruppen (wahrscheinlich Männchen und Weibchen), die die alten Boxplots miteinander vermischten.
- Blumen (Iris): Bei der Betrachtung der Kronblattbreiten schlug der Bixplot vor, dass es möglicherweise drei unterscheidbare Gruppen gibt, was half, die Blumenarten klarer zu trennen als zuvor.
Warum es wichtig ist
Die Autoren betonen, dass der Bixplot ein exploratorisches Werkzeug ist, kein endgültiges Urteil. Es ist wie eine Taschenlampe in einem dunklen Raum. Es hilft Ihnen zu sehen, dass es vielleicht drei unterscheidbare Möbelgruppen im Raum gibt, aber es beweist nicht, warum sie dort sind oder ob sie definitiv drei separate Kategorien in der realen Welt sind. Es sagt nur: „Hey, schaut her, die Daten sehen aus, als hätten sie zwei oder drei Gipfel, lasst uns weiter untersuchen."
Das Fazit
Der Bixplot ist eine intelligentere, flexiblere Version des klassischen Boxplots. Er kombiniert die Zusammenfassungsmacht der Box, die Form des Violinplots und die Details des Rug-Plots. Seine Superkraft besteht darin, automatisch zu erkennen, wenn Daten eine „Mischung" verschiedener Gruppen sind, und sie visuell zu trennen, damit Sie die versteckten Geschichten in Ihren Daten nicht übersehen.
Die Autoren haben dieses Werkzeug kostenlos sowohl in Python als auch in R verfügbar gemacht, damit jeder beginnen kann, seine Daten zu „entmischen".
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.