执行EDA假设的有效方法
一个知道如何即兴创作并能应付各种情况的人是赢家，对吗？同样，如果数据科学家知道如何在各种情况下适应和即兴发挥，那么他可以使用Data解决任何类型的业务问题！假设您手头有问题，但您有严格的期限，没有足够的时间来理解它。老实说，永远没有足够的时间来理解您的数据。但是，至关重要的是要很好地理解问题。挖掘的越多，您将要采用的解决问题的方法就越清楚。
一旦您了解了问题陈述并制定了策略，然后再查看数据即可。未经准备，切勿潜入大海。如果直接查看数据，则将尝试在其中查找尽可能多的模式，而该过程将永远不会结束。您将不知道何时停止，而会卡住。
不用担心，假设生成可以帮助您！
什么是假设生成？
如本文所述，
假设生成是各种因素的有根据的“猜测”，这些因素影响需要使用机器学习解决的业务问题。
简而言之，您正在就某些因素如何影响我们的目标变量做出明智的假设，并在随后的过程中，尝试使用各种统计和图形工具来证明和否定它们。
此过程将节省大量时间。让我用一个例子来说明。
例-
我们要解决的问题陈述是-
“作为电子学习平台中的数据科学家，您已经被雇用来确定未来几个月的课程销售，以便我们了解我们的现金流量。这将有助于我们分配资源，以支付我们的教员，我们的业务以及我们的扩展。”
理想情况下，在研究数据之前，只需花一个小时并很好地理解问题陈述。考虑所有可能影响我们课程销售的因素，然后调查数据，这将有助于您进行要素工程过程。1个
这就是数据集的样子–
假设生成-数据
（数据集中的随机代码段）
有9个功能（删除ID）和目标变量Sales。
首先，执行单变量分析以了解每个变量。我希望这很简单，不会花费很多时间？
但是，如果您尝试采用所有可能的组合（仅双变量，?C2 = 36个组合）并尝试找到它们之间的关系，那么随后的双变量和多变量分析过程可能会花费大量时间。尤其是在处理hackathon数据集时，理想情况下应快速执行此过程！
现在，这就是我进行双
变量分析的方式-在进行单变量分析时，我编写了一系列问题，然后尝试使用简单的可视化工具来证明和反对，您可能想选择另一种方法。
要问的问题
因此，这些问题或多或少地涵盖了我们的双变量分析。可视化已使用Matplotlib和Seaborn在Python中进行。它们很容易构建和解释。
Q1。短期促销是否会导致销售额增加？
假设产生-短期促销与销售
是的，是！我们可以看到，在进行短期促销的课程与未进行短期促销的课程中，平均销售之间存在差异。您可以使用t检验来统计地支持您的分析，而不仅仅是视觉上地进行分析。
Q2。公众假期有助于增加销售额吗？
公众假期与销售
我们可以看到，非节假日的平均销售量比公共假日多。所以，不！公众假期不会增加销售量。
Q3。长期推广的课程销售量更高吗？
假设产生-长期促销与销售
再次，长期促销下的平均销售额要小于非长期促销下的平均销售额。因此，我们可以说长期促销无助于增加我们的销售额。因此，不！
Q4。公共假期的用户流量是否更多？
交通与公共假期
没有！实际上，公众假期的用户流量较少。不来的人更喜欢在假期购买课程xD
Q5。较高的用户访问量有助于增加销售额吗？
流量与销售
查看散布图和相关值后，我们可以看到更高的用户访问量带来了更高的销售额。所以，是的！较高的用户流量会严重影响我们的目标变量。
Q6。竞争指标较高的课程是否会降低销售？
竞争指标与销售额
没有！查看相关值（-0.015），可以说Competition_Metric对Sales几乎没有影响。相反，它会稍微降低它。
Q7。课程类型会影响课程的销售吗？
课程类型与销售
是! 条形图清楚地表明，与课程和课程相比，学位的销售额要高得多。
Q8。课程域会影响销售吗？
课程域与销售
是! 商业课程比其他课程具有更高的平均水平。因此，课程域会影响销售。但是，您是否看到通过业务的黑线比其余的大得多？这意味着“商业销售”课程的差异要大得多。为了进一步确认课程域是否影响销售，您可以执行方差分析或T检验。
Q9。我们观察到任何销售日模式吗？
销量与天数
为了回答这个问题，我们在第一个图表中绘制了两个折线图，其中y轴为Sales，x轴为Days，第二个图表中为Weeks。我们在第一个图上观察到双周模式，在第二个图上观察到年度季节模式。
瞧！这就是我们的分析原来是这样的-
假设生成摘要
结论-
快吗 一旦我们执行了假设生成，几乎不需要花费任何时间进行进一步的分析。
我的朋友们，这就是计划的美。（啊哈！我刚给你上了一堂生活课！xD）
我相信您会采用一些不同的方式进行EDA，并且希望收到您的来信。您可以通过LinkedIn与我联系，或者我们可以在下面的评论中进行讨论！
题库