探索性数据分析( Exploratory Data Analysis, EDA) 是指对已有数据在尽量少的先验

假设下通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据

分析方法，该方法在20世纪70年代由美国统计学家J.K. Tukey提出。 传统的统计分析方法

常常先假设数据符合-一种统计模型，然后依据数据样本来估计模型的一些参数及统计量,

以此了解数据的特征，但实际中往往有很多数据并不符合假设的统计模型分布，导致数据

分析结果不理想。探索性数据分析则是一种更加贴合实际情况的分析方法，它强调让数据

自身“说话”，通过探索性数据分析可以真实、直接地观察到数据的结构和特征。探索性数

据分析出现之后，数据分析的过程就分为两个阶段:探索阶段和验证阶段。探索阶段侧重

于发现数据中包含的模式或模型，验证阶段侧重于评估所发现的模式或模型，很多机器学

习算法(分为训练和测试两步)都遵循这种思想。当拿到一份数据时，如果做数据分析的

目的不是非常明确、有针对性，可能会感到有些茫然，那么此刻就更加有必要进行探索性

数据分析了，它能帮助我们初步了解数据的结构和特征，甚至发现- -些模式或模型，再结

合行业背景知识，也许就能直接得到一些有用的结论。