Table of Contents
왜 결정 나무는 비 기술적인 Audiences를 Confuse
이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 그러나 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.
루트 문제는 결정 나무는 특정하지 않는 probability를 인코딩하는 것입니다. 70% outcome로 리드하는 지점은 여전히 번영이지만 시각적 표현은 보통 바이너리를 보입니다. "이 경우, 그"이 잘못되었는지. 명확한 답변을 원하는 비즈니스 사용자를 좌절합니다. 효과적인 시각화 교량은 인간적 인 월리즘 구조로 번역하여 갭을 좁히는.
Clear Visualization의 핵심 원칙
도구 또는 쓰기 코드를 선택하기 전에, 청중에 대한 의미를 정의. 다음 원칙은 정적 PNG를 내보내거나 Directus 내부 대화형 대시보드를 구축 여부를 적용한다.
트리 구조 단순화
전체 소유 결정 나무는 종종 100 노드를 초과합니다. 모든 것을 위조하는 것은 위조입니다. 당신의 나무를 뚫는] 80 & 8201;%의 결정 경로 이해 관계자의 실제로 만남을 커버하는 깊이에. 예를 들어, 나무가 대출 기본을 예측하는 경우, 상위 5 분할 (신용 점수, 부채 - 소득 비율, 대출 금액, 고용 기록, 담보) 및 동일한 하위 범주로 붕괴.
- 4~5단계로 리밋 깊이. 그 이상, 심지어 전문가들이 트랙을 잃게 됩니다.
- 그룹 유사 결과. 12 잎 노드 대신 "고위험" "중력 위험" "낮은 위험"으로 결합합니다.
- ]]]는 “83% 승인” 또는 “62% 거부”라는 단일 노드로 잎의 클러스터를 대체합니다.
색깔과 배치를 전략적으로 사용하십시오
색상은 두 가지 역할을합니다. 다른 지점과 인코딩 된 침입. 긍정적 인 결과를 위해 일관되게 팔레트 - 녹색 (승리, 성공), 부정적인 (기본, 오류) 및 중간 단계를위한 중립 회색을 위해 빨간색. 비우 팔레트를 피하십시오. 시각적 인 소음을 추가합니다. [[FLT : 0]]Nielsen 노먼 그룹 연구[FLT :1]]는 색상이 스팸을 사용할 때의 comprehension을 향상시킵니다.
넓고 부드러운 배치. 상단 아래로 나무 (최고의 루트) 서쪽 독서 패턴을 따라 자연 시작 지점과 같은 첫 번째 분할 느낌을합니다. 왼쪽 오른쪽 레이아웃은 측면에 따라 대안을 비교하는 결정 나무에 잘 작동합니다. 당신이 선택하는 것은 무엇이든, 심지어 밝기를 유지하고 모든 가장자리를 명확하게 라벨.
Context 및 Annotations 추가
설명없이 벌거 벗은 결정 트리는 퍼즐입니다. 기호와 색상을 정의하는 전설을 추가하십시오. 짧은 이유와 중요한 결정점 : "왜 고용 역사가 중요합니까? 6 개월 이상 기본 40 % 이상 간격으로 신청자가되기 때문에 종종 " 별도의 부록과되지 않은 관련 노드 외에 표기를 배치하십시오. 대화 형 도구 팁은 기본 시각화를 막지 않고 심층적 인 지표 (조명 간격, 샘플 카운트)를 공개 할 수 있습니다.
Interactive vs Static Visualizations를 구축
선택된 형식은 나무가 소비되는 방법에 따라 달라집니다. 인쇄 된 PDF는 Directus의 라이브 대시보드보다 다른 디자인 결정이 다릅니다.
정체되는 Diagrams를 사용할 때
정적 시각은 한 페이지, 슬라이드 데크 및 규제 보고서에 가장 잘 작동합니다. 그들은 단지를 숨기려면 줌이나 도구 팁이 없기 때문에 ruthlessly를 단순화하는 힘을줍니다. 벡터 형식 (SVG, PDF)을 사용하여 정리합니다. draw.io 또는 Lucidchart과 같은 도구는 크리스 다이어그램을 수출합니다. 라벨은 모든 노드가 명확하게 - "feature 3 > 0.5"과 같은 항만을 피하고 "years of 3"을 작성합니다. Lucidchart은 다음과 같은 경험을 가지고 있습니다.
Interactive Dashboards를 사용할 때
대화 형 시각은 이해 관계자가 자신의 속도로 나무를 탐험 할 수 있도록 권한을 부여합니다. 이것은 Directus]가 머리없는 CMS 및 백엔드 플랫폼으로 빛납니다. 방향에서 결정적인 나무 규칙 (JSON 또는 배열 관계 데이터)을 저장할 수 있으며, D3.js 또는 [FLT:]][FLT:]]] 또는 ]]/[Fluverg]/Fluraries/Flur/Flur/를 사용하여 상호 작용하는 나무를 렌더링하는 프런트 엔드를 구축합니다.
예를 들어, 의료 준수 팀은 임상 시험 자격 트리를 시각화하기 위해 Directus-backed 대쉬보드를 사용할 수 있습니다. 대쉬보드는 Directus의 REST API에서 라이브 데이터를로드하고 모델 재훈련을 할 때 업데이트되며, 인구 통계 하위 그룹에 대한 필터 컨트롤이 포함되어 있습니다. Directus의 데이터 시각화 통합]는 비개발자가 상호 작용하는 트리 구성 요소에 초점을 맞추고 있는 동안 데이터 관리 기능을 허용할 수 있습니다.
Decision Tree Visualization 도구
아래는 복잡성과 관객에 의해 분류 된 일반적인 도구입니다. 각 강도; 작업 흐름과 이해 관계자를 맞는 하나를 선택하십시오.
| Tool | Best For | Key Consideration |
|---|---|---|
| Lucidchart / draw.io | Quick one-off diagrams | No automation; manual updates |
| Microsoft Visio | Enterprise document standards | Expensive, steep learning curve |
| D3.js / Cytoscape.js | Interactive web visuals | Requires JavaScript development |
| RapidMiner / KNIME | Analysts familiar with data science | Built for model building, not presentation |
| Graphviz | Automated rendering from code | Limited interactivity; output is static |
생산 등급 솔루션의 경우, 다이렉트로우스 내에서 D3.js를 embedding 고려 Panel] 또는 Page]]]. 다이렉트로즈의 유연한 데이터 모델은 단일 컬렉션의 결정 트리 노드, 관계, 메타데이터를 저장하고, 그 데이터를 사용자 정의 시각화 구성 요소로 노출시킵니다. 이 접근은 나무가 실제 모델에 연결되고 연결되도록 유지됩니다.
Storytelling과 Decisions 를 통신
데이터 시각화는 인간적인 달을 붙일 때 기억에 남을 것입니다. 대신 "customer churn 예측"에 대한 일반적인 트리를 보여주는 대신 콘크리트 사례를 통해 이해 관계자를 걸어보십시오.
- 인스타 시작: “메트 마리아, 세 개의 지원 티켓과 함께 2년 가입자.”
- ]단계로 나무 단계 추적:첫째로, 계약 길이를 확인 – 마리아의 월별입니다 (리스크). 다음, 티켓 sentiment – 그녀의 마지막 표는 화가 (고위험). 잎에 종료: “30 일 안에 churn에 ”
- ]눈 보강 추가:높은 조명 경로 마리아는 명백한 색상을 가지고, 낮은 리스크 경로 (John, 연례 계약, 불평)와 대조.
이 접근법은 원시 번호가 할 수없는 정신 모델을 활성화합니다. 이해 관계자가 나무 내부 고객을 볼 때 논리를 내부화합니다. 그들은 "모델 작업을 수행하는 방법?"를 묻고 " Maria와 같은 사람들을 위해 결과를 변경 할 수있는 것은 무엇입니까?"라고 묻습니다.
일반적인 Pitfalls 및 Them을 방지하는 방법
- Using raw mathematical splits. "entropy = 0.3"을 작성하지 마십시오. "medium uncertainty"와 대체하십시오. "pure"또는 "mixed"와 같은 단어를 사용하십시오.
- 정보를 통한 추가. 하나의 노드는 3~4개의 세부 사항에서 보여야 한다: 결정 조건, 확률, 샘플 수, 간단한 설명. 다른 모든 도구는 도구의 끝이나 별도의 세부적인 보기로 이동한다.
- 청중 도메인을 무시합니다.] 신용 위험에 대한 나무는 산업 단지 (DTI, LTV)를 사용합니다. 환자 삼위에 대한 나무는 임상 용어 (systolic, troponin)을 사용합니다. 이해 관계자의 세계에 항해를 적응시킵니다.
- 눈을 검증하지 않습니다.] 최종 발표 전에 비 기술 동료에 초안을 보여줍니다. 나무를 다시 설명하는 데 물어주세요. 그렇지 않으면 재설계가 불가능합니다.
- 목을 최종적으로 떼어낸다.] Decision목은 모델 재훈련으로 업데이트된다. 당신의 시각화 파이프라인을 유지하면 소스에서 신선한 데이터를 끌어올릴 수 있다 (예: 최신 모델이 실행되는 Directus 컬렉션).
측정 충격: 당신의 시각화 일?
궁극적인 시험은 이해 관계자가 시각화를 보면서 더 나은 결정을 내릴 수 있는지 여부를 나타냅니다. 이러한 qualitative 및 quantitative 신호를 추적하십시오.
- 시간을 계산합니다. 전/후 테스트: 얼마나 오랫동안 나무의 주요 통찰력을 설명하는 이해자를 가지고 있습니까? 60 초 미만의 분.
- ]지속적인 질문의 품질. 좋은 질문(“우리는 임계값을 변경하는 경우 어떻게됩니까?”) 참여를 나타냅니다. 나쁜 질문(“어떻게 클릭?”) 신호 혼란.
- Adoption rate. 시각적 트리가 회의에 참조 문서가되면 성공했습니다. 폴더에 앉아 있다면 형식을 다시 웁니다.
Directus 대시보드 내부의 피드백 위젯을 추가 고려하십시오. 간단한 "이 도움이되는 이유는 무엇입니까? 예 / 아니오" 프롬프트. 디자인에 대한 iterate에 결과를 사용하십시오. 시간이 지남에 따라 더 빠른 comprehension을 수율이 있는지 볼 수있는 두 가지 시각적 스타일을 테스트 할 수 있습니다.
관련 기사
비 기술적인 청중을 위한 시각적인 결정 나무는 자료의 아래로 떨어지는 것에 관하여 아닙니다. 그것은 사람들 자연적으로 말한 것과 같이 정렬하는 체재로 엄격한 분석 모형에 관하여 입니다: 이야기, 비교 및 명확한 원인 및 효과. 의도를 가진 색깔을 사용하여 공격적으로, 그리고 달리 안에 나무를 삽입해서, 당신은 공유한 결정 ‐ 만들기 공구로 까만 상자 산출을 돌리십시오.
툴링 스택은 디자인 사고보다 덜 중요하게 생각합니다. draw.io 또는 Directus의 대화형 패널에서 정적 다이어그램을 구축하는 것은 원칙이 동일합니다. 관객의 인식 하중을 낮게 유지하고, 호기심 높은, 모델의 논리적 인 사실에 대한 자신의 신뢰를 유지합니다.
더 읽기를 위해 ]이 기사를 Nightingale 블로그]에 대한 스토리텔링 결정 나무, 탐구 직접 대시보드 구축 안내] 귀하의 트리를 라이브 데이터에 연결하는 방법을 참조하십시오.