数据探索是数据挖掘必不可少的一环,数据探索技术会对模型准确率的提高带来惊喜的效果。
1、什么是数据探索?
答:数据探索是通过绘图、计算、等手段,分析数据集的数据质量、数据的结构、数据的趋势和数据的关联性,为数据探索之后的特征工程阶段打下坚实的基础。
2、数据探索的内容
数据的质量分析和数据的特征分析
2.1数据的质量分析是指检查数据中是否存在脏数据,包括:缺失值、异常值、噪声和不一致的值,重复数据和含有特殊符号的数据
2.1.1缺失值分析
(数据为何缺失)由于数据获取的有难度、信息被遗漏、数据采集的故障等(人为和非人为),造成了特征的数据缺失
(为何要处理缺失的数据)缺失值会对数据挖掘建模的准确度造成影响、同样会使建模过程非常地困难。
(处理缺失值)见特征工程
2.1.2异常值分析
异常值是指样本中的个别值,也称离群点
如何查看异常值:描述性统计
正太分布下的2阿路发原则;
2.1.3一致性分析
数据集成造成的数据不一致
在数据的特征分析中,主要用到Python的pandas类库,使用DataFrame的info()和describe()