Модели, получаемые при анализе данных с помощью методов DM, обычно не удобны для восприятия пользователем. Во множестве классификационных или ассоциативных правил, в математических формулах достаточно проблематично легко и быстро найти ранее не известные и полезные знания. Вследствие многообразности информации это не всегда возможно и в таких простейших графических видах представления знаний как двумерные графики, деревья решений, дейтограммы и т. п. В связи с этим возникает потребность в более сложных инструментах интерпретации результатов анализа. К ним относятся средства визуального анализа данных (Visual Mining) [7].
Главной идеей визуального анализа данных является описание данных в некоторой визуальной форме, позволяющей ЛПР погрузиться в данные, работать с их визуальным представлением, выявить их суть, сделать выводы и напрямую взаимодействовать с данными.
До недавних пор визуальный анализ ограничивался лишь двумерными и простыми трёхмерными графиками. Впрочем, при помощи новых технологий пользователи способны оценивать на графических изображениях: большие объекты или маленькие, далеко они располагаются или близко. ЛПР в реальном времени может передвигаться вокруг объектов или кластеров объектов и оценивать их со всех сторон. Такой подход позволяет использовать в анализе естественные человеческие навыки обнаружения неопределенных образцов в визуальном трехмерном представлении данных [7].
Визуальный анализ данных преимущественно полезен, когда информации о самих данных достаточно мало и цели анализа до конца непонятны. Поэтому, под визуальным анализом данных можно понимать процесс генерации гипотез. При этом полученные гипотезы можно проверять методами DM, или, опять же, средствами визуального анализа. Вместе с тем, прямое вовлечение ЛПР в процесс визуального анализа имеет два основных преимущества перед автоматическими методами:
- 1. визуальный анализ данных позволяет с легкостью работать с гетерогенными и зашумленными данными, в то время как многие автоматические методы требуют предобработки данных;
- 2. визуальный анализ данных интуитивно понятен и не требует нетривиальных математических или статистических алгоритмов.
Результатом этих достоинств является более высокая скорость выполнения анализа, нежели автоматическими средствами [7].
