Умное саммари
без магии и шаманства
Главная идея урока: тип данных задаёт маршрут анализа. Сначала понимаем, что лежит в столбцах, затем выбираем инструмент и график, а уже потом формулируем вывод.
Аналитик задаёт вопрос
Что означает строка? Какой столбец является целью? Что можно проверить?
Данные многолики
Числа, категории, даты, текст и изображения требуют разных способов работы.
ИИ предлагает версии
Он помогает придумать гипотезы, но не превращает предположение в доказательство.
Что лежит в колонках?
Числовые
Возраст, цена, расстояние, рейтинг. Можно сравнивать, усреднять, строить гистограммы.
Категориальные
Город, жанр, класс билета, да/нет. Считаем частоты и доли.
Дата и время
Дата заказа, час поездки, год фильма. Ищем тренды и сезонность.
Текст и медиа
Отзывы, комментарии, фото и звук. Сначала превращаем в признаки.
гистограмма · boxplot · scatter plot
столбчатая диаграмма · частоты · доли
линия во времени · календарные признаки
слова · темы · тональность · эмбеддинги
Лабораторный стол аналитика 🍊
Orange — не волшебная кнопка. Это рабочее поле, где мы соединяем модули, смотрим на данные и постепенно проверяем идеи.
Titanic
Пассажир, возраст, пол, класс и выживание. Связь с выживанием не доказывает причину.
Heart Disease
Пациент и признаки риска. Учебная модель не является диагнозом.
IMDb
Фильм, жанр, рейтинг, год и голоса. Популярность и качество — разные вопросы.
Ничего не понимаешь? Рисуй данные.
График помогает заметить форму распределения, выбросы, группы, тренд и возможные ошибки. Но он не выдаёт правильный вывод автоматически.
Что встречается чаще? Есть ли сильный перекос?
Где большинство значений? Есть ли хвост или выбросы?
Есть ли связь, группы или необычные точки?
Есть ли тренд, скачок или сезонность?
Проверьте ось
Обрезанная шкала может превратить маленькую разницу в национальную драму.
Проверьте интервалы
Гистограмма меняет впечатление при другом числе корзин.
Спросите: от чего?
«Рост на 100%» может означать: было один, стало два.