從資料到解讀，資料探索的常見手法｜專家論點【維元】
資料探索通常在資料清理後，拿到乾淨的資料開始對資料進行的一個探索的過程，旨在瞭解資料的屬性與分佈，發現數據一些明顯的規律，這樣的話一方面有助於我們進行資料預處理，另一方面在進行特徵工程時可以給我們一些思路。
一般會以不同操作資料方式解答我們對資料所困惑的地方，並透過不斷循環「觀察資料發問問題」、「探索資料解答問題」兩個動作來增加對資料的知識量，且在進入訓練模型階段前，資料探索可以提供資訊來決策所要用模型、合適的特徵欄位，增強模型穩定度與精準度。
資料探索是一種「初步觀察與了解資料特性」的分析過程
常見的資料探索手法包含一般化、量化與視覺化三種方式；一般化根據資料的樣貌概括性了解資料特性與分佈；量化方式可以利用描述統計，試圖了解變量間的量化關係；視覺圖表能夠以圖像化的觀點，探索資料間的趨勢分佈。
雖然探索與視覺化這件事本身對於模型是沒有「直接」價值的，不過資料視覺化能夠幫助分析者更加認識資料，有助於進一步對資料做調整，間接達到讓最終分析效果提升的目的。不過在實務上有另外一派說法，認為這樣做可能會介入人為的主觀判斷，導致資料被污染或是被干預。
基本上我們還是會建議拿到資料之後，還是可以進行資料探索的環節，只是真的要對資料操作前務必確認再三。常見的資料探索可以分為「一般化 Generalize（Data Description）」，根據觀察資料的樣貌，概括性的了解資料特性；「量化（Quantitative）」，利用描述統計來量化資料，試圖了解「變量」與「變量間」的關係；「視覺化 （Data Visualization）」，利用視覺與圖表的方式來了解資料的特性。
而其中最常見的方法式資料視覺化（或稱為資料可視化（Data visualization）），被許多學科視為與視覺傳達含義相同的現代概念，涉及到資料的視覺化表示的建立和研究。為了清晰有效地傳遞資訊，資料視覺化使用統計圖形、圖表、資訊圖表和其他工具。 可以使用點、線或條對數字資料進行編碼，以便在視覺上傳達定量資訊。
簡單來說，資料視覺化是一種用圖像表示資料的表現方式。利用視覺化圖表探索資料主要有三個目的：
- 快速了解資料的特性
- 發現尋找資料的趨勢
- 降低資料的理解門檻
最後務必切記，資料視覺化是由「設計」、「故事」與「資料」三者組合而成，目的在於用好的設計串起資料與故事。因此在設計上不求太過花俏絢麗的方式，更多的是對於資料能否客觀有效地呈現，提供使用者從中探索出規則。
因此「圖表」還是一個比較主流的視覺化方式，而非過於客製化或設計感過強的圖形。
嗨，我是維元，目前是一名資料科學與網頁開發的雙棲工程師。近期也擔任科技島社群的駐站專家，持續分享發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤資料科學家的工作日常 Facebook 粉專 或 Instagram 帳號，也會不定時的舉辦分享活動，一起來玩玩吧！
瀏覽 1,976 次
