数据处理流程

• 数据导入与清理：不管导入数据的格式是什么，在正式处理数据之前，阅读、清洗、转化数据，并确保整个过程中数据的完整性，都需要耗费很多时间和精力。
• 单特征分析：有了数据，不要急着去处理数据，先逐次观察数据中的单特征（比如，某个特征的分布，平均值，方差等等）是个不错的开始。
• 特征对分析：接下来确定特征（变量）之间的关系，就要用散列图，计算相关性和线性拟合等方法。
• 多特征分析：如果通过上面分析发现，数据之间有强烈的关联性，可以借助多元回归来帮助分析。
• 预估和假设检验：
  1. 特征对最终结果的影响有多大？
  2. 如果再进行一次同样的测试，会有多少特征影响测试的结果？
  3. 多有大的可能性，某个明显特征的影响是由于偶然？
• 数据可视化：数据处理的各个阶段，都可以借助可视化工具的帮助。帮助我们理解数据，有助于数据的交流。