ကွက်ကျား

ဤဆောင်းပါးတွင် ဖြန့်ကျက်မြေကွက်များအကြောင်း ရှင်းပြထားသည်။ ထို့ကြောင့် point cloud ကို ဘာအတွက်အသုံးပြုသည်၊ point cloud ကိုဖန်တီးနည်း၊ ၎င်းကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံနှင့် point cloud များ၏ နမူနာများကို သင်ရှာဖွေတွေ့ရှိမည်ဖြစ်ပါသည်။

Point cloud ဆိုတာ ဘာလဲ။

Scatterplot သို့မဟုတ် scatterplot သည် Cartesian coordinate axes နှစ်ခုပေါ်တွင် ကိန်းဂဏန်းနှစ်ခု၏ ကိန်းရှင်နှစ်ခုကို ဂရပ်ဖစ်ဖြင့် ပုံဖော်ထားသည့် ကိန်းဂဏန်းဇယား အမျိုးအစားတစ်ခုဖြစ်သည်။

ထို့ကြောင့်၊ စာရင်းအင်းကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှုကို ခွဲခြမ်းစိတ်ဖြာရန် ဖြန့်ခွဲကွက်များကို အသုံးပြုသည်။

Scatterplot များတွင် ဆက်စပ်ပုံမျဥ်း သို့မဟုတ် scatterplot ကဲ့သို့သော မတူညီသောအမည်များစွာရှိသည်။

Pareto ဇယား၊ အကြောင်းရင်းနှင့် အကျိုးသက်ရောက်မှု ပုံကြမ်း၊ flowchart စသည်တို့ကဲ့သို့ အရည်အသွေးထိန်းချုပ်မှုဆိုင်ရာ အခြေခံကိရိယာများထဲမှ တစ်ခုဟု မှတ်ယူသင့်ပါသည်။

ကွက်ကွက်ကွင်းကွင်းဖြစ်အောင် ဘယ်လိုလုပ်မလဲ။

ဖြန့်ကျက်ကွက်ဖန်တီး ရန် အောက်ပါအဆင့်များကို လိုက်နာရန် လိုအပ်သည်-

1. သင်ခွဲခြမ်းစိတ်ဖြာလိုသော နမူနာမှ ကိန်းဂဏန်းအချက်အလက်များကို စုဆောင်းပါ။ ခွဲခြမ်းစိတ်ဖြာမှုတစ်ခုဖန်တီးရန်၊ အနည်းဆုံး ပမာဏကိန်းရှင်နှစ်ခုရှိရမည်ဟု မှတ်သားထားပါ။
2. ဖြန့်ကြဲကွက်၏ ပုဆိန်နှစ်ချောင်းကို ဆွဲပါ။
3. ဂရပ်ဖစ်ပြုလုပ်မည့် စာရင်းအင်းကိန်းရှင်နှစ်ခုကို ဆုံးဖြတ်ပါ။
4. ဂရပ်၏ ဝင်ရိုးတစ်ခုစီ၏ စကေးကို ချိန်ညှိပါ။ ဒါကိုလုပ်ဖို့၊ ကိန်းရှင်တစ်ခုစီရဲ့ အနိမ့်ဆုံးနဲ့ အများဆုံးကို အရင်ဆုံးရှာပြီး အဲဒီတန်ဖိုးတွေပေါ်မူတည်ပြီး ဝင်ရိုးတစ်ခုစီကို စကေးချဖို့ အကြံပြုထားပါတယ်။
5. scatterplot ပေါ်ရှိ ဒေတာအတွဲတစ်ခုစီကို အမှတ်တစ်ခုဖြင့် ကိုယ်စားပြုပါ။
6. ရရှိထားသော ကွဲပြားသော ပုံကြမ်းကို ခွဲခြမ်းစိတ်ဖြာပြီး အနက်ပြန်ဆိုပါ။

Scatterplot ဥပမာ

ကွဲလွင့်နေသော ပုံမျဉ်း၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်နှင့် ၎င်း၏ဖန်တီးမှုဆိုင်ရာ သီအိုရီကို တွေ့မြင်ပြီးနောက်၊ ဤကဏ္ဍသည် ဥပမာတစ်ခုအနေဖြင့် ဤအမျိုးအစား၏ ပုံကြမ်းကို ကိုယ်စားပြုသည်။

• အောက်ဖော်ပြပါ ကြိမ်နှုန်းဇယားတွင် ကျောင်းသား 20 ဦး၏ သင်္ချာနှင့် ကိန်းဂဏာန်းရမှတ်များကို အချက်အလက်အဖြစ် စုဆောင်းခဲ့သည်။ ဒေတာအတွဲကို ခွဲခြမ်းစိတ်ဖြာပြီး ခွဲခြမ်းစိတ်ဖြာပါ။

ဖြန့်ခွဲကွက်တစ်ခုတွင် ဒေတာစီးရီးများကို ကိုယ်စားပြုရန်၊ ကျွန်ုပ်တို့သည် ပုဆိန်နှစ်ချောင်းကို ပုံဖော်ရန်၊ ၎င်းတို့ကို ချိန်ညှိကာ၊ ဒေတာအတွဲတစ်ခုစီအတွက် ဂရပ်ပေါ်တွင် အမှတ်တစ်ခုကို ပုံဖော်ရန် လိုအပ်သည်။ ဂရပ်တစ်ခုပေါ်ရှိ အမှတ်တစ်ခုသည် ၎င်း၏တန်ဖိုးတစ်ခုစီနှင့် သက်ဆိုင်သည့် စိတ်ကူးယဉ်မျဉ်းများဆုံရာတွင် ထားရှိထားကြောင်း သတိရပါ။

ဖြန့်ကြဲကြံစည်မှု၏ ဝင်ရိုးတစ်ခုစီသည် ကိန်းရှင်တစ်ခုကို ကိုယ်စားပြုသည်။ ပို၍တိကျသည်မှာ၊ အလျားလိုက်ဝင်ရိုးသည် သင်္ချာဘာသာရပ်တွင်ရရှိသောအဆင့်နှင့်သက်ဆိုင်ပြီး အခြားတစ်ဖက်တွင်၊ ဒေါင်လိုက်ဝင်ရိုးသည် စာရင်းဇယားတွင်ရရှိသောအဆင့်နှင့် ကိုက်ညီပါသည်။

scatterplot မှသင်တွေ့မြင်နိုင်သည်အတိုင်း၊ variable နှစ်ခုသည် positive ဆက်စပ်မှုရှိသည်၊ အကြောင်းမှာ variable တစ်ခုတိုးလာသည်နှင့် အခြားသော variable များလည်းတိုးလာသည် ။ ထို့ကြောင့် ကျောင်းသားတစ်ဦးသည် သင်္ချာဘာသာရပ်တွင် ပိုမိုကောင်းမွန်သော အမှတ်ရပါက ကိန်းဂဏန်းစာရင်းဇယားနှင့် အပြန်အလှန်အားဖြင့် ပိုမိုကောင်းမွန်သော အမှတ်ရနိုင်ခြေ ပိုများကြောင်း ကောက်ချက်ချထားသည်။

သို့သော် ယခင်နိဂုံးချုပ်သည် ကိန်းရှင်တစ်ခုသည် အခြားတစ်ခု၏ အကြောင်းရင်းဖြစ်သည်ဟု မဆိုလိုပါ၊ အကြောင်းမှာ သင်္ချာတွင် အမှတ်ကောင်းရခြင်းသည် မည်သည့်အရာမှ မလုပ်ဘဲ စာရင်းအင်းပညာတွင် အမှတ်ကောင်းကို အလိုအလျောက် အာမခံနိုင်မည်မဟုတ်သော်လည်း ဘာသာရပ်နှစ်ခုစလုံးကို လေ့လာသင့်သည်။ နောက်အပိုင်းတွင်၊ ဤသဘောတရားနှင့် ပတ်သက်၍ အသေးစိတ်ကို ဆက်လက်ဖော်ပြပါမည်။

ကွက်ကျားကွက်နှင့် ဆက်စပ်မှု

ကွဲလွဲနေသော ပုံမျဉ်းတစ်ခုမှ၊ ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှုအမျိုးအစားကို ဖော်ထုတ်နိုင်သည်-

• တိုက်ရိုက်ဆက်စပ်မှု (သို့မဟုတ် အပြုသဘောဆောင်သောဆက်စပ်ဆက်နွယ်မှု) : အခြားတစ်ခုတိုးလာသောအခါ ကိန်းရှင်တစ်ခုတိုးလာသည်။
• Inverse correlation (သို့မဟုတ် negative correlation) : ကိန်းရှင်တစ်ခုတိုးလာသောအခါ အခြားတစ်ခု လျော့နည်းသွားပြီး အပြန်အလှန်အားဖြင့် ကိန်းရှင်တစ်ခု လျော့နည်းသွားပါက အခြားတစ်ခုတိုးလာပါသည်။
• Zero correlation (No correlation) : variable နှစ်ခုကြားတွင် ဆက်နွယ်မှု မရှိပါ။

အလားတူ၊ ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုသည် တိုက်ရိုက်ဖြစ်စေ၊ ပြောင်းပြန်ဖြစ်စေ၊ ဆက်စပ်မှုကိုလည်း ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှု၏ အစွမ်းသတ္တိ သို့မဟုတ် အားနည်းချက်အပေါ် အခြေခံ၍ ခွဲခြားနိုင်သည်။

• ခိုင်မာသောဆက်စပ်မှု- ကိန်းရှင်နှစ်ခုသည် အနီးကပ်ချိတ်ဆက်ထားသည်။ အမှတ်များကို point cloud တွင် စုစည်းထားသည်။ ၎င်းသည် ကိန်းရှင်များကြား ဆက်စပ်မှုကို ဖော်ထုတ်ရန် ပိုမိုလွယ်ကူစေသည်။
• ဆက်စပ်မှုနည်းခြင်း – ကိန်းရှင်နှစ်ခုကြားတွင် ဆက်စပ်မှုရှိသော်လည်း ခွဲခြားရန်ခက်ခဲသည်။ တိမ်တိုက်ပေါ်ရှိ အမှတ်များသည် တစ်ခုနှင့်တစ်ခု ဝေးကွာသည်။

အခြားတစ်ဖက်တွင်၊ ဆက်စပ်ဆက်နွယ်မှုကို ဖော်မြူလာတစ်ခုဖြင့် ကိန်းဂဏန်းများဖြင့် တွက်ချက်နိုင်ပြီး မတူညီသော variable နှစ်ခုသည် မည်မျှဆက်စပ်နေကြောင်း သင်္ချာနည်းအားဖြင့် သိနိုင်စေမည်ဖြစ်သည်။ မည်ကဲ့သို့အလုပ်လုပ်သည်ကိုကြည့်ရန် အောက်ပါလင့်ခ်ကိုနှိပ်ပါ။

ကိန်းရှင်နှစ်ခုကြားတွင် ဆက်စပ်မှုရှိလျှင်ပင် ၎င်းတို့ကြားတွင် အကြောင်းရင်းခံရှိနေသည်ဟု မဆိုလိုပါ၊ ဥပမာ၊ ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုသည် ကိန်းရှင်တစ်ခုရှိ ပြောင်းလဲမှုသည် အခြားတစ်ခု၏ပြောင်းလဲမှု၏ အကြောင်းရင်းဖြစ်သည်ဟု မဆိုလိုပါ။ ပြောင်းလဲနိုင်သော။

ထို့ကြောင့် ယခင်အပိုင်းရှိ scatterplot ကဲ့သို့ပင် သင်္ချာအတန်းနှင့် ကိန်းဂဏန်းများကြားတွင် အပြုသဘောဆောင်သော ဆက်စပ်မှုရှိသော်လည်း၊ သင်္ချာတွင် အတန်းကောင်းတစ်ခုရရန် မဆိုလိုပါ၊ သင်္ချာဘာသာရပ်ကို သင်သာလေ့လာပါက သင် ကျရှုံးမည်မှာ သေချာပါသည်။ စာရင်းဇယားများတွင်။ ထို့ကြောင့် ကိန်းရှင်နှစ်ခုသည် ဆက်စပ်နေသော်လည်း ၎င်းတို့သည် အကြောင်းတရားနှင့် အကျိုးဆက်မဟုတ်ပေ။

ပိုမိုသိရှိလိုပါက အောက်ပါပို့စ်ကို ဆက်လက်ဖတ်ရှုနိုင်ပါသည်။

Point cloud ၏ အားသာချက်များနှင့် အားနည်းချက်များ

scatterplot ၏ဝိသေသလက္ခဏာများကြောင့်၊ ဤစာရင်းအင်းဇယားအမျိုးအစားတွင် အားသာချက်များနှင့် အားနည်းချက်များရှိသည်။

အားသာချက်-

• ကွဲလွင့်နေသော ကွက်ကွက်တစ်ခုရှိ ဒေတာအတွဲလိုက်ကို ကိုယ်စားပြုရန် အလွန်ရိုးရှင်းပါသည်။
• scatterplot သည် သင့်အား ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို အမြင်အာရုံခွဲခြမ်းစိတ်ဖြာနိုင်စေပြီး ကောက်ချက်ဆွဲရန် ပိုမိုလွယ်ကူစေသည်။
• Scatterplots များကို ပဏာမဒေတာရှာဖွေရေးအဖြစ် အတွင်းကျကျ စာရင်းအင်းလေ့လာမှုတွင်လည်း အသုံးပြုနိုင်သည်။

အားနည်းချက်များ-

• ဤပုံကားချပ်အမျိုးအစားများသည် အရည်အသွေးရှိသော ကိန်းရှင်များကို ကိုယ်စားပြုရန်အတွက် အသုံးမ၀င်ပါ။
• ကွဲလွဲနေသော ဇာတ်ကွက်တစ်ခုကို အဓိပ္ပာယ်ပြန်ဆိုခြင်းသည် ကိန်းရှင်နှစ်ခုကြားတွင် အကြောင်းတရားနှင့် အကျိုးသက်ရောက်မှုကို မှားယွင်းစွာ ကောက်ချက်ချနိုင်သည်။
• Scatterplots များသည် ကိန်းရှင်နှစ်ခုထက်ပိုသော ဆက်စပ်မှုကို ခွဲခြမ်းစိတ်ဖြာရန် သင့်အား ခွင့်မပြုပါ။