Datenexploration

term_id: data_exploration

Category: training_techniques

Definition

Die Datenexploration, oft auch als Explorative Datenanalyse (EDA) bezeichnet, ist ein kritischer vorbereitender Schritt in Machine-Learning-Workflows. Sie umfasst die Zusammenfassung der Hauptmerkmale der Daten, häufig unter Verwendung statistischer Kennzahlen und visueller Darstellungen, um Einblicke in die Struktur und Qualität der Daten zu gewinnen.

Summary

Die initiale Analyse von Datensätzen, um Muster zu entdecken, Anomalien zu erkennen und Hypothesen vor der formalen Modellierung zu testen.

Key Concepts

  • Explorative Datenanalyse
  • Visualisierung
  • Mustererkennung
  • Anomalieerkennung

Use Cases

  • Identifizieren von Korrelationen zwischen Merkmalen vor dem Modelltraining
  • Erkennen und Behandeln fehlender Werte oder Ausreißer
  • Validieren von Datenqualität und Verteilungsannahmen

Code Example

1
2
3
4
5

import pandas as pd
import seaborn as sns
df = pd.read_csv('data.csv')
sns.pairplot(df)
plt.show()

Related