数据挖掘：探索性数据分析(EDA)（补充）

数据挖掘：探索性数据分析(EDA)（补充）

在上一篇文章数据挖掘：探索性数据分析(EDA)中，已经讨论了一些探索性分析的方法，但去敏数据的处理方式和一些多元统计的方法没有做介绍。本篇文章主要讲这两方面。

一、去敏数据的处理方式

去敏数据已经在之前有过介绍了，指为了保护数据，消除特征的意义。而对这类数据就无法根据业务知识，进行特征的创建。另外，我们得到的数据一般是原始数据通过变换得到的，变换的方式有很多种。本文主要针对通过乘除对数据进行缩放，然后通过加减对数据进行平移的这种数据还原。
以下是从网上找到的一个案例：

1.1 观察数据

首先介绍下，这个数据的特征都是x1,x2,x3…这种，并没有实际的含义，而我们需要对数据进行探索。从数据的数值来看，也无法得知具体是什么。

1.2 数据平移

数据是经过处理得到的，而我们要做的就是对它进行反向处理。比较常见的是平移，即加/减数据。因此，取数据唯一值unique()，然后利用用下一行数据减去上一行diff()，这样可以消除平移。

1.3 数据缩放

缩放是对数据进行乘/除。我们需要找到缩放的系数。经过上步可看到0.04332…这个数有很大的嫌疑。因此，除去它。得到结果如下：

1.4 原始数据的处理

之前是在差值下找到了平移距离和缩放系数。接下来对原始数据进行处理。处理后的数据如下，这样看就比较舒服。而一般处理到这也结束了，想要知道数据的具体含义，一是根据数据的数值和数据赛题，进行猜测。另外还有以下一种方法，通过数据遗漏的信息，