初探EDA是什么？

关键要点

• EDA指探索性数据分析，由约翰·怀尔德·图基在1977年系统论述。
• EDA的核心特征是不受数据模型和科研假设限制的自由探索。
• EDA的适用场景是对数据信息缺乏经验，不知用何种传统方法分析时。
• EDA与验证性分析（CDA）不同，前者旨在发现，后者用于验证已有假设。
• EDA主要通过作图、制表、计算变量间关系等可视化手段实现。
• 一个简单的EDA示例包括接触数据、初步计算统计量和可视化呈现分布。

怎么选 / 怎么做

进行EDA时，通常可以：
- 接触并加载数据。
- 计算基本统计特征（如均值、标准差）。
- 通过可视化（如直方图）探索数据分布。
- 根据初步发现自由调整分析方向。

常见问题

EDA和验证性分析（CDA）的主要区别是什么？

EDA旨在发现未知模式，CDA用于验证已有假设。

在什么情况下应优先使用EDA？

面对全新或不熟悉的数据，且无明确分析目标时。

EDA通常通过什么手段实现？

通过作图、制表和计算特征等可视化手段。