圖表、圖形和地圖是傳達洞察和資訊的強大工具，但如果使用不當或惡意部署，也會造成混淆、不實資訊和不實資訊。
圖表是藝術而非科學
機器學習從業人員通常會將潛在的訓練資料集以圖像呈現，瞭解這些資料集對模型的用處，以及模型輸出內容，以便瞭解效能。
無論您是建立或閱讀資料視覺化圖表，都應一併詢問資料視覺化圖表的預期情境、目標對象和用途。這三個因素是圖像溝通的關鍵。同一個圖表在不同情境下，可能會提供有用且有洞見的資訊，也可能會造成誤導和誇大。1 這取決於目標觀眾，以及觀眾對圖表和資料的熟悉程度。設計有助於或阻礙例如，令人目眩神迷的圖表可能過於費力，無法清楚傳達資訊。
沒有確切的鐵則可供參考，但我們提供一些規範和最佳做法，將資料視覺化是一門科學，也是一門藝術。但以圖表呈現資料時，請力求明確、誠實。 提供足以清楚準確傳達的資訊，不要提供過多資訊給觀眾感到不知所措。
鷹架、內容和誤導性移動
在「How Charts Lie」一書中，Alberto Cairo 將資料視覺化分為兩個部分：結構和內容。
圖表的鷹架方式包括標題、軸、圖例、標籤，以及資料來源 (如有提供)。
內容包括資料的視覺編碼和任何簡短的文字註解。使用視覺編碼資料的方法通常包括：
- 長度，如同長條圖
- 位置，例如散佈圖
- 圓餅圖中的比例角度、面積和弧形
- 顏色和色調
- 較少見的寬度和厚度2
所有這些元素都可能會誤導消費者。將長條圖的起點設為非零值的基準線，或截斷最長的長條，可能會造成錯誤的認知，即使目的是為了節省空間也一樣。請參閱 Sarah Leo 的 Economist 資料視覺化錯誤報告，其中有一些範例。
不當的顯示比例可能會讓小幅變更看起來很大，或讓大幅變更看起來很小。開羅建議選擇符合所描述比例變化的顯示比例 (例如 3:1 表示 30%，但也建議密切留意背景資訊，因為這項規則有許多重要的例外情況)。全球平均溫度出現相對微小的變化 (例如從 100 度上升 2 度) 可能會造成重大影響，但在 50:1 的顯示比例圖表中，這類變化可能會被低估。3
比起呈現 3D 資料，使用圖表的 3D 旋轉角度和其他 3D 效果來提高視覺效果，不然就是誤導使用者。同樣地，在長條圖中，3D 物體的描繪可替代長條。如果資料僅以長度編碼，就像標準的長條圖一樣，讀者可能會將比例較大的物件解讀為體積較大，因此價值較高，而這可能不正確。4 若設計人員使用資料的 2D 表示法 (例如泡泡)，並以半徑或直徑編碼資料，而非以面積編碼，也會產生誤導的比例。5 圓餅圖等 2D 表示法可能會讓您難以比較各個區段。圓餅圖也暗示所有區塊加總起來就是整體，但實際情況不一定如此。
色彩則是本身的拍攝主體。一般而言：
- 使用 6 個或更少的色塊，因為這是大多數人能處理的極限，不會造成混淆。
- 避免選擇太多光譜色調，因為不同人對色調的排序不同。6
- 盡可能選取單一色調的色階，這樣在灰階中會更容易辨識。
- 瞭解不同類型的色盲。
參考資料
Cairo, Alberto。How Charts Lie: Getting Smarter about Visual Information.NY: W.W. Norton, 2019.
啊，戴瑞。如何利用統計資料說謊NY：W.W. Norton, 1954。
Monmonier, Mark。How to Lie with Google 地圖第 3 名。芝加哥：U of Chicago P，2018 年。
圖片參考資料
「Throughput Accounting 結構示例圖表」。TAUser，2008 年。 GNU FDL。來源
「所有車輛類型的生命週期溫室效應潛勢 (MTCO2E)」B2.Team.Leader，2006 年。 資料來源
