MT_VIZUALIZACIJA_2

  1. TIPI NABORA PODATKOV
    • tabele
    • več dimenzionalne tabele
    • omrežja
    • drevesa
    • polja
  2. STRUKTURIRANI PODATKI
    • vemo kakšni so podatkovni tipi
    • vemo kaj pomenijo
  3. NESTRUKTURIRANI PODATKI, ter kako jih prevedemo v struktirirane
    • ni podakovnega modela
    • slike, zvok, video
    • Predelamo jih tako da pridobimo informacije iz multimedijskih podatkov
  4. ENTITETE(element)
    • Stvari ki jih preučujemo
    • primer: Oseba, avto, poslel…
  5. LASTNOSTI(atributi)
    • lastnosti entitet
    • npr: Višina osebe, temperatura prostora…
  6. RAZMERJA
    • Povezave med entitetami
    • npr: starš/otrok, trgovina/stranka
  7. SEMANTIKA PRI PODATKIH V TABELI
    Je v najbolj zgornji vrstici
  8. NOMINALNI PODAKI
    • So kategorični
    • NPR: sadje, spol, filmski žanri
  9. ORDINALNI PODATKI
    • So urejenostni
    • Lahko jih primerjamo med sabo in urejamo
    • Temperatura: Nizka, srednja, visoka
    • Ocene na fakulteti
  10. KVANTITATIVNI PODATKI
    Z njimi lahko računamo
  11. INTERVALNI
    • Nimajo prave ničle
    • Omogočajo primerjavo razlik
    • Datum, lokacija, temperatura
  12. RAZMERNOSTNI
    • Lahko primerjamo razmerja in proporce
    • Dolžina, masa, starost, razdalja
  13. PODATKOVNI VS KONCEPTUALNI MODEL
    • Podatkovni: Nizkonivojski opis podatkov, množica in operacije, npr float vrednosti
    • Konceptualni: Vklučuje semantiko, podpira sklepanje
    • Podatkovni: 1D float
    • Konceptualni: Temperatura
  14. LASTNOSTI VIZUALNIH SPREMENLJIVK POLOŽAJ
    • Najmočnejša spremenljivka
    • Uporabna za vse podatkovne tipe
    • Problem je da ni vedno na voljo in lahko pride do prekrivanja
    • Image Upload 1
  15. LASTNOSTI VIZUALNIH SPREMENLJIVK - VELIKOST IN DOLŽINA
    • Ta spremenljivka je dobra v 1D, slaba pa je v več dimenzijah
    • V več dimenzijah imamo težave pri določevanju razmerji
    • Image Upload 2
  16. LASTNOSTI VIZUALNIH SPREMENLJIVK - SVETLOST/NASIČENOST
    • Predvsem za kvantitativne podake
    • Če je veliko gradacij težje razlikujemo
    • Image Upload 3
  17. LASTNOSTI VIZUALNIH SPREMENLJIVK - BARVA
    • Dobra za kategorične atribute
    • Najbolje da razdelimo na razrede(7 - 10)
    • Ni primerna za kvantitativne podatke
    • Image Upload 4
  18. LASTNOSTI VIZUALNIH SPREMENLJIVK - OBLIKA
    • Dobra za kategorične atribute
    • Lahko ima zelo veliko razredov
    • Image Upload 5
Author
wolf
ID
350389
Card Set
MT_VIZUALIZACIJA_2
Description
fsdgsdgsgsdgdfgsdgsdgsdgsdgsdgs
Updated