一、eda数据类型

1. 单变量非图形

这是最简单的数据分析形式，被分析的数据仅包含一个变量。由于它是一个单一变量，它不处理原因或关系。单变量分析的主要目的是描述数据并找出其中存在的模式。

2. 单变量图形

非图形方法不能提供数据的全貌。因此需要图形方法。常见的单变量图形类型包括：

茎叶图，显示所有数据值和分布的形状。

直方图，一个条形图，其中每个条形代表一系列值的案例的频率（计数）或比例（计数/总计数）。

箱线图，以图形方式描绘了最小值、名列前茅四分位数、中位数、第三四分位数和最大值的五个数字摘要。

3. 多变量非图形

多变量数据来自多个变量。多元非图形 EDA 技术通常通过交叉制表或统计显示数据的两个或多个变量之间的关系。

4.多元图形

多元数据使用图形来显示两组或多组数据之间的关系。最常用的图形是分组条形图或条形图，每组代表一个变量的一个水平，组内的每个条代表另一个变量的水平。

其他常见类型的多元图形包括：

散点图，用于在水平轴和垂直轴上绘制数据点，以显示一个变量受另一个变量影响的程度。

多元图表，它是因素和响应之间关系的图形表示。

运行图，它是随时间绘制的数据线图。

气泡图，这是一种数据可视化，在二维图中显示多个圆圈（气泡）。

热图，它是数据的图形表示，其中值用颜色表示。

延伸阅读：

二、eda的重要性

EDA 的主要目的是帮助在做出任何假设之前查看数据。它可以帮助识别明显的错误，更好地理解数据中的模式，检测异常值或异常事件，找到变量之间的有趣关系。

EDA 是任何数据分析中重要的名列前茅步。了解异常值出现的位置以及变量之间的关系有助于设计能够产生有意义结果的统计分析。

数据科学家可以使用探索性分析来确保他们产生的结果是有效的并且适用于任何期望的业务成果和目标。EDA 还通过确认他们提出正确的问题来帮助利益相关者。EDA 可以帮助回答有关标准差、分类变量和置信区间的问题。一旦 EDA 完成并得出见解，它的功能就可以用于更复杂的数据分析或建模，包括机器学习。

以上就是关于eda的内容希望对大家有帮助。

上一篇

什么是容器即服务（CaaS）?

下一篇

什么是智能搜索?