EDA

Exploratory Data Analysis 探索式資料分析

1. 瞭解資料，獲取資料的資訊、結構和特點。
2. 檢查有無離群值或異常值，看資料是否有誤。
3. 分析各變數間的關聯性，找出重要的變數。進行EDA能檢查資料是否符合分析前的假設、在模型建立前先發現潛在的錯誤，並進一步調整分析方向

EDA 4-plot 視覺化

1. 趨勢圖
2. 散佈圖 – 資料符合隨機分布時，如圖資料無結構性且隨機散落。
3. 直方圖 – 資料常態分布時，如圖呈鐘形分布。
4. 正態概率圖 – 資料常態分佈時，如圖呈線性。

Quantitative Techniques 統計量化

1. 資料中標準值為何？
2. 資料的百分位數？
3. 哪些屬於重要資訊？
4. 多變量中有無結構？
5. 資料中有沒有離群值？

https://www.sightingdata.com/post/how-to-do-eda/

• 數據代表性
• 數據中的變數的分佈及變異為何？
• 各變數之間的關聯為何？

—-

https://baubimedi.medium.com/%E9%80%9F%E8%A8%98ai%E8%AA%B2%E7%A8%8B-%E7%B5%B1%E8%A8%88%E8%88%87%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90-%E5%9B%9B-3cf14683b98f

對正確的問題有個近似的答案，勝過對錯的問題有精確的答案。