当我们做数据分析或数据挖掘的时候，常常需要对数据的分析过程和结果做可视化展示。数据可视化可以更加清晰地向听众传达想要表达的信息，同时也降低了大家理解数据的门槛。Python和R作为数据挖掘领域的倚天屠龙，其本身自带的可视化包可以很方便地让大家对自己的数据进行展示。如Python中的matplotlib,seaborn库，R中的ggplot库。Excel是我们工作和学习中用到的最多的数据处理工具，我们使用它存储数据，处理数据，分析展示数据。Excel的主要问题在于，数据量较大的时候，打开表格和处理起来都比较耗时。对于数据量不大的数据集，Excel就足够了。下面几种数据可视化工具是我经常用到的，使用起来也比较方便。
1.Tableau
Tableau是一款通过对数据进行拖拽的交互式的可视化工具，可以绘制各种图表，仪表板，故事等。Tableau的学习是比较简单的，掌握了常用的基本操作，就可以绘制出各种简洁美观的图表了。
Tableau专业版软件是收费的，Tableau public是免费的，对于一般的数据分析工作，Tableau public是完全够用的。点击下面的链接，输入自己的邮箱即可下载Tableau public。
Tableau public下载
关于Tableau的教程，B站上有非常多的视频。在此我推荐一个：
同济大学张子豪Tableau微课
2.MLDemos
MLDemos是机器学习模型的可视化软件，可以直观的让我们理解分类，回归，聚类等算法模型。在学习算法的时候，我们往往是先学习其数学推理，然后学习其工具包的调用，整个过程在逻辑上是非常严密的。为了更加直观的展示建模过程，我们可以一些可视化工具。在MLDemos中，我们可以自己创建数据，也可导入我们的数据。下图是一个二分类算法的模型，MLDemos可以清楚的展示出模型的分类边界。
MLDemos的下载也非常的简单，有空的时候，多在上面做一些尝试，基本上就会使用了。
MLDemos下载
3.Visualizing K-Means/DBSCAN clustering
K-Means和DBSCAN是两种非常有代表性的算法，而且这两种算法是没有什么数学上的推理的，理解这两种算法的关键在于理解整个聚类的过程。此时借助可视化工具，可以帮助我们更加地容易理解K-Means聚类中心的更新过程和DBSCAN的同类点的更新过程。下图分别展示K-Means和DBSCAN的例子。
K-Means和DBSCAN的演示是网页版，多尝试操作几次，还是非常有趣的，其链接如下：
聚类可视化
4.Embedding projector
Embeeding projector是Google开源的网页版高维大数据可视化工具，借助Embedding，我们可以直观的了解高维数据的空间分布状态。Embedding为我们提供了5个默认的数据集，可供我们展示使用。同时我们也可导入自己的本地数据集，在Embedding中做可视化展示。Embedding为我们提供了2种降维方法T-SNE和PCA，我们可以根据自己的需求选择合适的降维方法和需要下降的维度。
下图展示的是鸢尾花数据集中三种鸢尾花数据在空间中的分布，降维方法选择PCA。
Embedding projector
