定義
探索性數據分析（Exploratory Data Analysis，EDA）是指對已有數據在盡量少的先驗假設下通過作圖、制表、方程擬合、計算特征量等手段探索數據的結構和規律的一種數據分析方法。一般有以下幾個目的：
- 弄清楚數據的含義
- 發現數據的結構
- 鎖定一些重要的特征（通過觀察該特征不同值對應的label是不是有區別，同一個特征的不同取值label的分布差別越大，這個特征越有效）
- 異常值以及離群數據的檢測（類別極致不平衡以及方差很小）
- 結合行業背景選擇合適的模型
常用方法
- 繪圖方法
1. 對原始數據繪圖
2. 繪制原始數據的一些統計學圖（箱型圖、小提琴圖、直方圖等）
3. 多特征對比性繪圖（查看不同的特征之間的關系）
- 量化方法
1. 計算偏度和鋒度
2. 區間估計
3. 分類類型
繪圖方法
量化方法：
- 相關性分析
先定義三類變量:
1. 定類變量: 通過該變量可以進行分類，但是該變量沒有實際的數值意義（例如性別，城市）。
2. 定序變量: 不僅可以用來分類，還按某種規律排序，不同的定序變量可以比較大小，有排序的能力，但是之間的差值沒有意義（例如消費能力，教育程度）。
3. 定距變量: 可以比較大小，差值具有意義。（常見的連續變量，例如價格、購買數量）
不同類型的方法相關性檢測的方法是不同的：
- 獨立性分析
利用MVtest檢驗兩個變量是否相關。
最后補充一點決策樹是一個非參數方法。這意味着它不對數據的空間分布和分類結構做任何假設。而一般的多元線性模型假設各個特征之間是
不相關的，如果兩個特征的相關性過高則會有復共線性的影響，會降低多元線性模型的預測精度。