12、数据探索、降维与性能评估全解析

数据探索、降维与性能评估全解析

1. 数据可视化

1.1 数据可视化的用途及工具选择

数据可视化在数据分析中具有重要作用，它能帮助我们直观地理解数据。在进行数据可视化时，常面临选择 Base R 还是 ggplot 的问题。Base R 是 R 语言自带的绘图系统，简单直接；而 ggplot 则提供了更丰富的绘图功能和更美观的图形样式。

1.2 数据示例

• 波士顿住房数据 ：该数据集可用于研究住房相关的各种因素，如房价与周边环境、房屋特征等的关系。
• 美国铁路客运公司列车客流量数据 ：可用于分析客流量的变化趋势、影响因素等。

1.3 基本图表类型

• 条形图、折线图和散点图 ：
  • 条形图适用于比较不同类别之间的数据大小。例如，比较不同城市的平均房价。
  • 折线图常用于展示数据随时间的变化趋势，如列车客流量随月份的变化。
  • 散点图可用于观察两个变量之间的关系，如房屋面积与房价的关系。
• 分布绘图：箱线图和直方图 ：
  • 箱线图能展示数据的分布情况，包括中位数、四分位数、异常值等。
  • 直方图用于展示数据的频率分布。
• 热图：可视化相关性和缺失值