1.从UCI学习库中取得一个数据集，并尽可能的多使用本章介绍的不同的可视化技术。文献注释和本书网站提供了可视化软件的线索。
2.至少指出使用颜色可视化提供信息的两个优点和缺点。
优点：颜色使视觉元素更容易可视化识别。举例：如果区分者将二维数据点中的三个簇用不同颜色标识，则更容易辨别。当然，数字使用颜色看起来也更有趣。
缺点：一些人是色盲将不方便区分带有颜色的数字。灰色字体的数字在某些情况下会展示更多的细节。颜色使用起来不容易，比如，一个糟糕的配色方案可以是花哨的，也可以把注意力集中在不重要的元素上。
3关于三维图形，安排问题是什么？
最好是把这更笼统地表述为“。。。问题是什么”，因为选择以及安排在显示三维情节方面起着关键作用。
三维图的关键问题是如何显示信息，使尽可能少的信息被掩盖。如果情节是二维表面，那么观点(viewpoint)的选择是至关重要的。然而，如果情节是电子形式的，那么有时可以交互改变观点，以获得表面的完整视图。对于三维实体，这种情况更具挑战性。通常，为了提供必要的信息，必须省略部分信息。例如，通常会显示三维对象的切片或横截面。在某些情况下，可以使用透明度。同样，能够以交互方式改变视觉元素的排列方式也是有帮助的。
4.讨论使用抽样来减少需要显示的数据对象个数的优缺点。简单随机抽样（无放回）是一种好的抽样方法码？为什么？
简单随机抽样并不是最好的方法，因为它会消除稀疏区域中的大多数点。最好对数据对象过于密集的区域进行欠采样，同时将大部分或所有数据对象保持在稀疏区域。
5.如何创建可视表示来显示描述如下系统的信息。
确保处理了以下问题。
表示。如何将对象、属性和联系映射到可视化元素？
安排。如何显示可视化元素，是否有需要考虑的特殊问题？具体的例子可能是视点的选择、透明度的使用、或将特定的对象组分开。
选择。如何处理大量属性和数据对象？
(a)计算机网络。确保包括网络的静态信息（如连接性）和动态性质（如通信量）。
网络的连接性最好用图表来表示，节点是路由器、网关或其他通信设备，而链路则表示连接。连接的带宽可以用链路的宽度来表示。颜色可用于显示链接和节点的使用百分比。
(b)在特定时间，特定的植物和动物种类在全世界的分布。
最简单的方法是在一张单独的世界地图上显示每一个物种，并对该物种出现的地区进行阴影处理。如果要同时显示几个物种，那么每个物种的图标都可以放在世界地图上。
(c)对于一组基准数据库程序，计算机资源（如处理时间、内存和磁盘）的使用情况。
每个程序的资源使用可以显示为三个数量的条形图。因为这三个量是不同的规模，一个适当的资源规模将是必要的，这样才能很好地工作。例如，资源使用率可以显示为总使用率的百分比。或者，我们可以使用三个条形图，一个用于资源使用类型。在每一个图上都会有一个条形图，其高度代表相应程序的使用情况。这种方法不需要任何扩展。另一种选择是显示每个程序的资源使用情况例如，资源使用率可以显示为总使用率的百分比。
(d)过去30年内，一个特定国家的工人职业变化。假定提供了每个人每年的信息，这提供了性别和文化程度。
对于每个性别，职业分类可以显示为一系列饼图，其中每行饼图表示特定的教育水平，每列表示特定的年份。为了方便起见，每栏之间的时间间隔可以是5年或10年。
或者，我们可以对职业进行排序，然后针对每个性别，计算每个职业的累计就业百分比。如果为每个性别绘制此数量，则连续两行之间的区域显示此职业的就业百分比。如果一种颜色与每个职业相关联，那么每一组线之间的区域也可以用与每个职业相关联的颜色来着色。显示相同信息的类似方法是使用一系列堆叠条形图。
6.相对于标准直方图，说出茎叶图的优点和缺点。
茎叶图显示值的实际分布。另一方面，对于大量的值，茎叶图变得相当笨拙。
7.如何处理直方图依赖于箱的个数和位置的问题?
最好的方法是使用核密度估计来估计数据的实际分布函数。数据分析的这一分支相对来说发展得很好，如果广泛可用，则更为合适，但简单的直方图方法是不够的。
8.描述盒状图如何提供属性值是否对称分布的信息。关于图3-11显示的属性的分布对称性,你有何种结论?
如果表示数据中值的线在方框的中间，则数据是对称分布的，至少在第一和第三个四分位之间的75%的数据中是对称分布的。对于其余的数据，晶须和异常值的长度也是一个指示，尽管，由于这些特征不涉及那么多的点，它们可能是误导性的。
萼片的宽度和长度似乎相对对称地分布，花瓣的长度似乎有点偏斜，花瓣的宽度有点偏斜。
9.使用图3.12比较萼片长度、萼片宽度、花瓣长度和花瓣宽度。
For Setosa, sepal length > sepal width > petal length > petal width.
For Versicolour and Virginiica, sepal length > sepal width and petal length >petal width, but although sepal length > petal length, petal length > sepal width.
10.关于使用方框图探索具有四个属性的数据集的评论：年龄、体重、身高和收入。
通过查看（1）每个属性的方框图和（2）第二个属性的不同类别的特定属性的方框图，可以获得大量信息。例如，如果我们比较不同年龄类别的年龄方框图，我们会发现体重会随着年龄的增长而增加。
11.给出一个可能的解释，解释为什么大多数花瓣长度和宽度的值沿着图3.9中的对角线落在桶中。
如果这三种鸢尾可以根据它们的大小排序，如果花瓣的长度和宽度都与植物的大小和彼此相关的话，我们就可以期待这样的分布。
12.使用图3.14和3.15来标识花瓣宽度和花瓣长度属性共享的特征。
在经验CDF曲线和百分位图中，花瓣的长度和宽度都有一个相对平坦的区域。这表示这些属性具有相对统一值的一组花。
13.简单的线图，如第56页图2.12所示，显示两个时间序列，可用于有效地显示高维数据。例如，在图2-12中，很容易看出两个时间序列的频率是不同的。时间序列的哪些特征允许高维数据的有效可视化？
属性值是有序的。
14.描述产生稀疏或密集数据立方体的情况类型。用书中使用的例子以外的例子来说明。
不太可能出现所有值组合的任何数据集都将生成稀疏的数据立方体。这将包括连续属性集，其中属性描述的对象集不占用整个数据空间，但只占其中的一小部分，以及离散属性，其中许多值的组合不会出现。
当基本属性类别的几乎所有组合都出现时，或者聚合级别足够高，使得所有组合都可能有值时，就会出现密集的数据立方体。例如，考虑一个包含交通事故类型及其位置和日期的数据集。原始的数据立方体是非常稀疏的，但是如果将其聚合为包含单个或多个车祸、事故状态和事故发生月份的类别，那么我们将得到一个密集的数据立方体。
15.如何扩展多维数据分析概念,使得目标变量可以是定性变量?换言之,何种汇总统计或数据可视化是令人感兴趣的?
值得关注的汇总统计数据是值或值组合（目标值和其他值）出现的频率。由此我们可以导出各种值之间的条件关系。反过来，这些关系可以使用类似于用于显示贝叶斯网络的图来显示。
16.从表3.1构造一个数据立方体。这是一个密集的还是稀疏的数据立方体？如果是稀疏的，则标识空的单元格。
17.讨论了基于聚合的降维与基于PCA、SVD等技术的降维的区别。
PCA或SVD的维数可以看作是数据在降维集合上的投影。在聚合中，维度组被组合在一起。在某些情况下，当天数聚合为月份或产品的销售按门店位置聚合时，聚合可视为规模的变化。相比之下，PCA和SVD提供的降维没有这样的解释。
