图1. 数据集的卡通插图

应该注意的是，一个可以用于监督学习的数据集（可以执行回归或分类）将同时包含X和Y，而一个可以用于无监督学习的数据集将只有X。

此外，如果Y包含定量值，那么数据集（由X和Y组成）可以用于回归任务，而如果Y包含定性值，那么数据集（由X和Y组成）可以用于分类任务。

进行探索性数据分析（EDA）是为了获得对数据的初步了解。在一个典型的数据科学项目中，我会做的第一件事就是通过执行EDA来 "盯住数据"，以便更好地了解数据。

我通常使用的三大EDA方法包括：

• 描述性统计：平均数、中位数、模式、标准差。
• 数据可视化：热力图（辨别特征内部相关性）、箱形图（可视化群体差异）、散点图（可视化特征之间的相关性）、主成分分析（可视化数据集中呈现的聚类分布）等。
• 数据整形：对数据进行透视、分组、过滤等。

图2. NBA球员统计数据的箱形图示例

图3. NBA球员统计数据的相关热力图示例

图4. NBA球员统计数据的直方图示例