Лица Чернова

Пример оценки юристами 12 судей по лицам Чернова

Пример построения лиц Чернова в языке программирования R. Преступность в США

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

Суть метода

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 заключается 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

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

1. Chernoff, 1973.
2. Flury, 1981.
3. Fazlagić, 2018, p. 206−207.
4. Morris, 1999.
5. Lee, 2003.

Литература

• 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. 76 (376). American Statistical Association: 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