Ли́ца Черно́ва (англ. Chernoff faces) — отображение многомерных данных в виде человеческого лица. Метод изобрёл в 1973 году американский математик Герман Чернов.

Пример оценки юристами 12 судей по лицам Чернова
Пример построения лиц Чернова в языке программирования R. Преступность в США

Суть метода править

Метод основан на убеждении, что из всех зрительных навыков у человека сильнее всего развита способность к восприятию лиц других людей, и что представление тех или иных величин в виде параметров черт лица позволит гораздо более эффективно идентифицировать уникальные для каждой конфигурации значений наглядные характеристики объектов, чем при представлении их с помощью других объектов (графиков, чисел и т.д.)[1].

Метод заключает в изображении стилизованного лица, характеристики которого основаны на значении одной из переменных в многомерной величине. Оригинальная методика предполагала использование до 18 параметров[1]:

  • размер глаза;
  • размер зрачка;
  • позиция зрачка;
  • наклон глаза;
  • высота линии глаз;
  • расстояние между глазами;
  • изгиб брови;
  • плотность брови;
  • расстояние между бровями;
  • высота бровей;
  • нижняя граница линии волос;
  • верхняя граница линии волос;
  • форма лица;
  • цвет волос;
  • наклон штриховки волос;
  • форма носа;
  • размер рта;
  • изгиб рта.

В 1981 году Бернард Флури и Ганс Ридвил предложили увеличить количество переменных вдвое, добавить асимметрию лица[2].

Критика править

Применение лиц Чернова часто связано со множеством проблем[3]:

  • Зритель может уделять большее внимание одним чертам лица и меньшее — другим, из-за чего важные закономерности могут от него ускользнуть, а неважные напротив привлечь больше внимания, чем нужно. Также разные черты лица имеют разный диапазон значений и разную степень заметности небольших изменений;
  • Человеку свойственно искать на лице эмоции, характер, настроение, а также оценивать красоту лица. На восприятие лица влияют культурные и социальные факторы, а также личные предпочтения. Всё это приводит к тому, что данные могут приобретать нежелательную плохо контролируемую интерпретацию;
  • Лица Чернова не могут показывать точное значение какой-либо величины, либо его соотношения. Они лишь формируют паттерны для различных их сочетаний.

Все эти факторы часто приводят к тому, что исследования с использованием лиц Чернова оказываются менее эффективными, чем ожидается, и подвержены случайным факторам. Для эффективного использования метода приходится проделывать достаточно большой объём подготовительной работы, однако даже это не всегда гарантирует повторяемость результатов[3].

Исследование 1999 года показало, что метод лиц Чернова не даёт заметных преимуществ в визуализации многомерных данных. Испытуемые достаточно хорошо различали размер глаза и наклон бровей, но когда нужно было сравнивать 50 разных лиц, точность результатов оказалась невысока. Был сделан вывод, что в случае лиц Чернова не происходит какой-либо заметной обработки образов на подсознательном уровне, которая бы помогла испытуемым в анализе данных — наоборот, они последовательно изучали каждую черту лица по-отдельности[4]. В исследовании 2003 года было обнаружено, что точность и достоверность анализа данных, выполненного с помощью лиц Чернова в среднем ниже, чем при использовании других методов, использовавшихся в исследовании — круговых диаграмм и распределения значений по плоскости, а время, необходимое для анализа — больше[5].

Примечания править

Литература править

  • Herman Chernoff. The Use of Faces to Represent Points in K-Dimensional Space Graphically : [англ.] // Journal of the American Statistical Association. — 1973. — Vol. 68, no. 342. — P. 361—368. — doi:10.2307/2284077. — JSTOR 2284077.
  • Bernhard Flury and Hans Riedwyl (December 1981). "Graphical Representation of Multivariate Data by Means of Asymmetrical Faces". Journal of the American Statistical Association. American Statistical Association. 76 (376): 757—765. doi:10.2307/2287565. JSTOR 2287565.
  • Jan Fazlagić, Windham Loopesko, Leszek Matuszak, Rigby Johnson. Perspectives and good practices in visualization of knowledge about public entities // Information Visualization Techniques in the Social Sciences and Humanities (англ.) / Grzegorz Osinski, Veslava Osińska. — IGI Global, 2018. — P. 199−214. — ISBN 9781522549918.
  • Christopher J. Morris, David S. Ebert, Penny Rheingans,. An Experimental Analysis of the Pre-Attentiveness of Features in Chernoff Faces : [англ.] // Proceedings Applied Imagery Pattern Recognition. — University of Maryland Baltimore County, 1999. — doi:10.1117/12.384865.
  • Michael D. Lee, Rachel E. Reilly, Marcus E. Butavicius. An empirical evaluation of Chernoff faces, star glyphs, and spatial visualizations for binary data : [англ.] // ACM International Conference Proceeding Series. — 2003. — Vol. 142. — doi:10.5555/857080.857081.

Ссылки править