探索性資料分析（EDA）為什么在機器學習中至關重要？
資料驅動組織的座右銘“If you can't measure it, you can't fix it”，
“我們必須了解我們的資料，然后再試圖讓機器去理解我們的資料，直接把問題甩給機器是極其不負責任的行為”
EDA（Exploratory Data Analysis），全名資料探索性分析，是通過了解資料集，了解變數間的相互關系以及變數與預測值之間的關系，從而幫助我們后期更好地進行特征工程和建立模型，是資料挖掘中十分重要的一步，
python體系統中所需工具包括：資料科學庫（pandas、numpy、scipy，pyspark）、可視化庫（matplotlib、seabon、plotly、cufflinks、pyecharts）
EDA是一個大型的摸底程序，是一個形成初步認知的程序，我們通過EDA更加了解我們的任務、資料、以及資料中可能存在的一些問題的點，進而驗證我們資料采樣的方式是否平衡、全面、可靠，
EDA不單是看看資料的分布，而是對資料整體有一個大概的了解，通過作圖、制表、方
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/291766.html
標籤：AI
上一篇：基于SSM的健身俱樂部管理系統