2. 数据探索

数据质量分析

检查数据中是否有脏数据：

1. 缺失值
   有3个原因造成了这个情况：暂时无法取得；被遗漏；属性值不存在(小学生的配偶)

2. 异常值
   样本中的个别值，其数值明显偏离了其余的观测值。
   （1）简单统计分析：根据常识分析
   （2）根据该数据远离平均值的多少倍来确定它是不是异常值
   （3）箱型分析：25%的数据任意变化而不会影响四分位数。

3. 不一致的值
   多指数据的矛盾性和不相容性。

4. 重复数据和含有特殊符号的数据

数据特征分析

分布分析

1. 定量数据的分布分析：
   极差，组距，组数，频率分布图，频率分布直方图。
2. 定性数据的分布分析：
   根据数据的分类利用饼状图或者柱状图来做分布分析。

对比分析

1. 绝对数比较：将不同数据直接比较得出差异
2. 相对数比较：结构相对数，比例相对数，强度相对数，计划完成相对数，动态相对数（有一个数作为分母）
3. 统计量分析：对定量数据进行统计描述，常从集中趋势和离中趋势两个方面分析。
   集中趋势：均值，中位数，众位数
   离中趋势：极值，标准差，变异系数，四分位数间距
4. 周期性分析：随时间变化而具有的周期性
5. 贡献度分析（Pareto Principle）
6. 相关性分析：直接绘制散点图，散点矩阵，计算相关系数（pearsonx相关系数，Spearman相关系数，判定系数）