第五章 空间数据的可视化表达
可视化，也称作科学计算可视化,其定义为：“可视化是一种计算方法，它将符号或数
据转换为直观的几何图形，便于研究人员观察其模拟和计算过程。可视化包括了图像综合，
这就是说，可视化是用来解释输入到计算机中的图像数据，并从复杂的多维数据中生成图
像的一种工具。”
地理空间信息要被计算机所接受处理就必须转换为数字信息存入计算机中。这些数字
信息对于计算机来说是可识别的，但对于人的肉眼来说是不可识别的，必须将这些数字信
息转换为人可识别的地图图形才具有实用的价值。这一转换过程即为地理信息的可视化过
程，其内容表现在如下几个方面：
（1） 地图数据的可视化表示:其最基本的含义是地图数据的屏幕显示。我们可以根据数字
地图数据分类、分级特点，选择相应的视觉变量(如形状、尺寸、颜色等)，制作全要
素或分要素表示的可阅读的地图，如屏幕地图、纸质地图或印刷胶片等等。
（2） 地理信息的可视化表示:这是利用各种数学模型，把各类统计数据、实验数据、观察
数据、地理调查资料等进行分级处理，然后选择适当的视觉变量以专题地图的形式
表示出来，如分级统计图、分区统计图、直方图等。这种类型的可视化正体现了科
学计算可视化的初始含义。
（3） 空间分析结果的可视化表示:地理信息系统的一个很重要的功能就是空间分析，包括
网络分析、缓冲区分析、叠加分析等，分析的结果往往以专题地图的形式来描述。
本章介绍的空间数据可视化表达主要包括了地图数据和地理信息的可视化表示。
5.1 数据符号化
符号化有两个含义：在地图设计工作中，地图数据的符号化是指利用符号将连续的数
据进行分类分级、概括化、抽象化的过程。而在数字地图转换为模拟地图过程中，地图数
据的符号化指的是将已处理好的矢量地图数据恢复成连续图形，并附之以不同符号表示的
过程。这里所讲的符号化是指后者。
符号化的原则是按实际形状确定地图符号的基本形状，以符号的颜色或者形状区分事
物的性质，例如用点，线，面符号表示呈点，线，面分布特征的交通要素，点表示标志建
MATLAB基础知识及常用功能介绍
第一章：MATLAB简介及安装
MATLAB是一种强大且广泛应用的数值计算软件，它提供了许多用于科学计算和工程设计的功能。MATLAB是矩阵实验室（Matrix Laboratory）的缩写，其主要特点是在操作矩阵和各种数学函数上非常高效。要安装MATLAB，只需下载安装程序然后按照提示进行安装即可。
第二章：MATLAB基本操作
在MATLAB中，可以使用各种命令来进行基本的数学运算，例如加减乘除、幂运算等。此外，还可以定义变量、矩阵和向量，并进行复杂的数学运算。提示：使用分号可以取消输出结果。
第三章：MATLAB脚本和函数
脚本是一系列MATLAB命令的集合，可以保存并重复执行。函数是一段具有输入和输出的可执行代码块，可以通过函数名和输入参数来调用。编写脚本和函数有助于提高代码的可读性和可重复性。
第四章：MATLAB图形化界面 MATLAB提供了图形化界面（GUI）工具箱，用于创建交互式应用程序和图形用户界面。利用GUI工具箱，可以通过拖拽和放置的方式创建界面，并通过设置属性和回调函数实现交互功能。
第五章：MATLAB数据可视化
MATLAB拥有丰富的数据可视化功能，可以将数据以各种图表形式呈现出来，如散点图、柱状图、曲线图等。此外，还可以对图表进行自定义设置，如添加图例、调整轴范围、添加标题等。
第六章：MATLAB图像处理
MATLAB提供了强大的图像处理工具箱，可以用于图像的滤波、锐化、模糊、边缘检测等操作。此外，还可以进行图像的变换和特征提取，用于图像识别和分析。
第七章：MATLAB信号处理
MATLAB信号处理工具箱提供了一系列用于处理、分析和合成信号的函数和工具。可以进行信号滤波、频谱分析、时域分析等操作。此外，还可以进行数字滤波器设计和滤波器实现。
第八章：MATLAB数学建模
MATLAB是数学建模的重要工具，可以用于建立各种数学模型并进行仿真和优化。可以利用MATLAB解方程、求解微分方程、进行符号计算等，用于解决各种实际问题。 第九章：MATLAB并行计算
第一章
1. 什么是KDD？（ ）答案:数据挖掘与知识发现
2. 数据挖掘分析是指从海量的数据中抽取感兴趣的（有价值的、隐含的、以前没有用但是潜在有用信息的）模式和知识。（ ） 答案:对
3. 数据挖掘分析的步骤包括（ ）答案:算法分析;数据预处理;模型评估;创建数据集
4. 当今社会，数据挖掘分析被广泛应用。（ ） 答案:对
5. （ ）是未来大数据分析的发展趋势。答案:实时性;非结构化数据;可视化
第二章
1. 关于描述统计，包括（ ）。答案:集中趋势分析;离中趋势分析;相关分析
2. 以下属于推断统计的是（ ）。答案:离中趋势分析
3. 在数据特征的测度中，描述分布的形状的值为（ ）答案:偏态;峰态
4. 测度集中趋势就是寻找数据水平的代表值或中心值（ ）答案:对
5. 四分位数可以用于顺序数据、数值数据和分类数据（ ）答案:错
第三章
1. 下面哪个属于映射数据到新的空间的方法？ ( )答案:傅立叶变换
2. 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？（ ）答案:数据预处理
3. 影响数据质量问题的因素有哪些（ ）答案:其余选项都对
4. 数据预处理的常见方法有（ ）答案:数据变换;数据清洗;数据集成
5. 数据预处理是指在对数据进行挖掘分析以前，需要对原始数据进行清理、集合和变换等一系列处理工作（ ）答案:对
第四章
1. 考虑下面的频繁3-项集的集合：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}假定数据集中只有5个项，采用 合并策略，由候选产生过程得到4-项集不包含（ ）答案:1，2，4，5
2. 频繁项集、频繁闭项集、最大频繁项集之间的关系是： ( )答案:频繁项集 频繁闭项集 最大频繁项集
3. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？( )答案:关联规则发现
1 商务数据分析与应用基于R第二版课程设计
背景
数据分析已成为商务领域非常重要的技能之一。全球各大企业都在积极开展数据分析工作，商务数据分析需求不断增长。在这样的背景下，本课程设计旨在通过R语言深入探索商务数据分析的理论和实践应用。
目的
本课程设计旨在通过案例研究和实际应用来提高学生的商务数据分析能力和实践技能，学习R语言对商务数据进行管理、分析和可视化的基础知识。
内容设计
第一章：商务数据基础与R语言介绍
主要介绍商务数据的定义，采集和处理方法，以及R语言的基本语法和使用。其中包括R语言的安装及环境配置、R语言主要数据类型及数据输入输出、R语言基础语法等。
第二章：数据清洗和管理
主要介绍数据清洗和管理的步骤和方法，包括数据处理、数据清洗、数据整合和数据管理。同时还包括了数据预处理的步骤以及数据索引和排序等。
第三章：数据可视化
主要介绍数据可视化的基础知识和实践技能。通过R语言可视化工具包对商务数据进行可视化处理和分析。包括数据可视化类型、绘图函数和实际案例应用等。 2 第四章：统计分析
主要介绍商务数据分析的统计基础。包括描述性统计分析、数据可视化、假设检验、回归分析、时间序列分析等内容。同时也介绍R语言在统计分析方面的应用。
第五章：人工智能与商务数据分析
主要介绍人工智能的概念以及人工智能在商务数据分析中的应用。其中也包括了机器学习和深度学习的基础知识。
课程参考资料
• 《R语言实战》 许文金 编著，人民邮电出版社，2016年
• 《R语言数据分析实战》 魏秀芳、叶向阳 编著，中国人民大学出版社，2017年
• 《商务数据分析理论与实践》 殷毅 编著，清华大学出版社，2020年
课程评价方式
• 期末卷面成绩占60%
• 课堂参与、作业得分和贡献度占40%
总结
本课程设计通过R语言对商务数据进行管理、分析和可视化的基础知识及应用，旨在提高学生的商务数据分析能力和实践技能，帮助学生在商务领域获得技术优势和竞争优势。同时，课程内容针对实际商务问题，让学生在意识到数据管理和分析的重要性的同时，获得商务数据分析能力，具有实际应用价值。
