2、弹性评估与安全融合：数据探索与安全思考

弹性评估与安全融合：数据探索与安全思考

1. 探索性数据分析工作流程

在进行探索性数据分析（EDA）时，我们遵循特定的结构。流程并非预先规划好的，而是在过程中记录并最终重新组装而成。整个过程中，我们选用了Mondrian作为EDA工具，它完全由鼠标交互驱动，无需脚本编写，能实现快速的数据探索。

高目标流程	通用EDA方法	具体表现	主要发现
未详细提及	未详细提及	未详细提及	EDA发现1、2、4.1和5在原工作中未被发现

部分图形为了提高可读性和质量，使用R语言的静态可视化包ggplot2进行了重构，与原始图形仅存在美学上的差异。

2. 基础数据特征分析

通过边际分布发现，我们可以对单个变量的特征有初步了解，比如是否包含缺失值、变量遵循何种分布以及四分位数的值等。这一步对于理解和验证数据至关重要，能帮助我们发现属性记录值与理论域之间的不一致。我们就发现了一些小错误并反馈给了相关人员。

3. 基础定性抽象

在弹性评估中，边际分布分析的另一个目标是对“目标”变量（这里是RT）进行初步的定性离散化。RT的箱线图显示存在显著的离群值，有些甚至超过50秒，这使得非离群值在视觉上被抑制。我们对箱线图进行缩放，移除超过20秒的点（19个