第二天：数据科学-探索性数据分析

一、探索性数据分析（EDA）

1.1 概念

可以最大化数据分析者对数据集和数据集底层结构的洞察力，并且为分析者提供数据集包含的各类信息

1.2 目的

①最大限度的观察数据集

②检测数据中存在的错误与异常值

③发觉潜在结构

④检验潜在的假设

⑤提取中更要变量

⑥建立初步模型

⑦确定最优因子设置

1.3 特点

①研究从原始数据入手，以实际数据为依据

②研究方法从实际出发，不以某种理论为依据

③分析工具简单直观更易普及

1.4 主要方法

①单变量——图形化分析、非图形化分析

②多变量——图形化分析、非图形化分析

③样本相似性与相异性分析

二、方法

2.1 单变量

主要观察于单变量的描述和统计推断两个方面，旨在用简单的概括形势反映出大量样本资料所容纳的基本信息，描述样本数据集中或离散趋势。

2.1.1 图形化分析

①直方图

②茎叶图

③箱型图——1先找出最大值最小值中位数和2个四分位数 2连接2个四分位数画出一个箱子 3将最大值最小值与箱子相连中位数放在中间

2.1.2 非图形化分析

①分类数据：使用表格、统计各种类别的数据出现频次

②定量数据：使用统计量

集中趋势：算术均数、中位数

数据离散：标准差、方差、极差

峰度与偏态：峰度：K （标准正态分布的K=3）、偏态：正、负

2.2 多变量

2.2.1进行相关性分析

相关程度：完全相关、不完全相关、不相关

相关方向：正相关，负相关

相关形式：线性相关、非线性相关

影响因素：单相关、负相关

2.2.2 方法

非图形化、 图形化

------------------------------------------------------------------------------明天再更新