探索性数据分析

探索性数据分析（Exploratory data analysis，简写为EDA）是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学假设检验手段的补充。该方法由美国著名统计学家约翰·图基（John Tukey）命名。

• 在统计学领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。

常见方法

探索性数据分析更多的是一种“态度”，而非特定方法的集合，但有些方法或工具常常出现在探索性数据分析中。

• 探索性数据分析中常用的数据可视化方法：
  • 箱线图（Box plot）
  • 直方图（Histogram）
  • Multi-vari chart
  • Run chart
  • Pareto chart
  • 散点图（Scatter plot）
  • Stem-and-leaf plot
  • Parallel coordinates
  • Odds ratio
  • Targeted projection pursuit
  • Dimensionality reduction:
  • Multidimensional scaling
  • Principal component analysis (PCA)
  • Multilinear PCA
  • Nonlinear dimensionality reduction (NLDR)
  • Projection methods such as grand tour, guided tour and manual tour
  • Interactive versions of these plots
• 探索性数据分析中常用的量化分析方法：
  • Median polish
  • Trimean
  • Ordination

参考链接

• Wikipedia: Exploratory data analysis
• 知库学问：探索型数据分析
• 智库百科：数据分析
• 探索性数据分析（EDA）——摘自数据科学实战