探索性分析

概述

数据分析的一种方法，旨在总结数据集的主要特征，通常使用可视化方法，以发现模式、异常、测试假设和检查模型假设。

关键内容

1. 主要目标：
2. 了解数据的基本结构和特征
3. 发现变量之间的关系
4. 检测异常值和缺失值
5. 验证数据质量和完整性

6. 为后续建模提供基础

7. 核心技术：

8. 描述性统计（均值、中位数、标准差等）
9. 数据可视化（直方图、散点图、箱线图）
10. 分布分析（正态性检验、偏度峰度）

11. 相关性分析（皮尔逊相关、斯皮尔曼相关）

12. 实施步骤：

13. 数据概览（行数、列数、数据类型）
14. 单变量分析（各变量分布）
15. 双变量分析（变量间关系）
16. 多变量分析（高维数据结构）

来源

• data-scientist.md — 数据分析类型之一

相关

• 数据分析 — 上级概念
• 统计分析 — 相关方法
• 数据科学家 — 执行角色
• Data Scientist Agent — 自动化工具