释性探索性数据分析（EDA）-经管之家官网！

释性探索性数据分析（EDA）
探索性数据分析（EDA）是一种数据分析方法/哲学，它采用多种技术（图形和定量）来更好地理解数据。在EDA的可视化中很容易迷失方向，也容易迷失EDA的目的。EDA旨在简化下游分析。为了将EDA放在上下文中，数据科学步骤包括：获取数据，清理和加载数据；探索性数据分析；建筑模型; 模型评估；数据可视化和呈现
EDA的目的是发现潜在的模式，发现异常，构筑假设并检查假设，以找到一个合适的模型（如果存在）。从更细粒度的角度来看，EDA涉及理解变量之间的关系，包括确定解释变量之间的关系；评估解释变量和结果变量之间的关系（方向和粗略估计）；异常值的存在；重要的解释变量的等级；关于各个解释变量是否具有统计学意义的结论。
在这篇文章中，我们介绍了一种EDA的系统方法（基于下面列出的资源），以简洁的方式介绍了EDA技术。
EDA技术分类
EDA技术可以是图形的或定量的。这些技术中的每一个都是单变量或多变量的（通常只是双变量）。定量方法通常涉及汇总统计的计算。图形方法以图形或视觉方式汇总数据。单变量方法一次查看一个变量（数据列），而多变量方法一次查看两个或多个变量以探索关系。通常，多元EDA将是双变量的（正好是两个变量）。因此，EDA技术的四种类型是单变量非图形技术；单变量图形；多元非图形；多元图形。非图形方法和图形方法相辅相成。我们可以将图形方法视为定性（提供主观分析），而不是定量方法。
如果我们专注于对n个对象（即大小为n的样本）的单个变量进行观察得到的数据，则还需要以图形方式查看样本的分布。给定足够大的样本量，我们假设分布是正态的。这里有更详细的解释。这个想法有个例外，例如，分布可能会随时间变化，分布可能是未知的等，但是在大多数情况下，都适用正态条件。
单变量非图形EDA
单变量非图形EDA技术涉及了解基本样本分布并进行总体观察。这还涉及异常值检测。对于单变量分类数据，我们对范围和频率感兴趣。用于定量数据的单变量EDA涉及使用来自观察样本的数据对变量的总体分布进行初步评估。推断的人口分布特征包括中心，分布，形态，形状和离群值。集中趋势的度量包括均值，中位数，众数。集中趋势最常见的度量是均值。对于偏斜分布或当存在离群值时，中位数可能是首选。价差的度量包括方差，标准差和四分位数范围。传播是我们仍然可能找到数据值离中心多远的指标。单变量EDA还涉及找到偏度（不对称性的度量）和峰度（相对于高斯形状的峰度的度量）。
单变量图形EDA
对于单变量分类数据的图形分析，通常使用直方图。直方图表示一系列值的案例的频率（计数）或比例（计数/总计数）。通常，选择大约5到30个箱柜。直方图是快速了解大量数据的最佳方法之一，包括集中趋势，分布，模态，形状和离群值。茎叶图也可以用于相同目的。箱线图还可用于显示有关集中趋势，对称性和偏斜以及异常值的信息。分位数正态图或QQ图和其他技术也可以在这里使用。
多元非图形EDA
多元非图形EDA技术通常以交叉表或统计的形式显示两个或多个变量之间的关系。对于分类变量（通常是解释性的）和一个定量变量（通常是结果）的每种组合，我们可以针对分类变量的每个级别分别为定量变量创建统计信息，然后比较分类变量各个级别的统计信息。比较方法是ANOVA的非正式版本。比较中位数是单向方差分析的可靠非正式版本。（改编自来源。对于两个定量变量，我们可以计算协方差和/或相关性。当我们有很多定量变量时，通常会计算成对协方差和/或相关性，并将它们组装成一个矩阵。
多元图形EDA
对于分类多元量，最常用的图形化技术是条形图，其中每个组代表一个变量中的一个水平，而组中的每个条形代表另一个变量的水平。对于每个类别，我们可以使用并排箱形图或平行箱形图。对于两个定量的多元变量，基本的图形EDA技术是散点图，该散点图在x轴上具有一个变量，在y轴上具有一个变量，并且在数据集中每种情况都有一个点。通常，解释变量在X轴上。可以使用颜色或符号来容纳其他类别变量。
结论
EDA是一种复杂且主观的方法。在本文中，我们尝试讨论了运行EDA技术的一组步骤，以便它们为后续阶段提供输入。
1