基本上我正在学习一门数据科学的小课程。我们的第一个任务是我们已经获得了一个非常庞大的数据集（数十万个样本和大约 150 个自变量）。这里没有响应变量，但任务几乎是：“找到有趣的东西”。我显然有点宽泛。
我的问题是：你/应该/我如何处理这个？
到目前为止，我已经尽可能地清理了数据集。删除了我认为没有多大意义的变量，确保没有 NaN 变量，诸如此类。但是，为了在可能包含或不包含任何有趣内容的数据集中“找到有用的东西”，下一步是什么？
如何处理没有因变量的新数据集
数据挖掘
数据挖掘
2022-03-15 06:57:57
1个回答
你的任务基本上就是我们称之为 EDA - 探索性数据分析的过程。
那你该怎么办？简单探索！
- 你的数据集的形状是什么？
- 变量如何表现，它们是否具有因子结构，相关性等。
- 您的数据集的主要描述是什么，它们讲述了一个有趣的故事等。
一旦你开始这样做，你会发现一些有趣的东西可以根据你的数据集进行更深入的探索。不要只使用平均值、中位数等汇总函数，还要尝试构建简单的图表并在整洁的笔记本中评论所有内容！
我的提示：
查看 Kaggle 上的一些 EDA 笔记本以获得灵感，或观看工作中大师的精彩视频：
https://www.youtube.com/watch?v=go5Au01Jrvs
这里还有一个初学者指南：
其它你可能感兴趣的问题