机器学习：单或双变量常用分析技巧-优快云博客

本文链接：https://blog.youkuaiyun.com/xo3ylAF9kGs/article/details/128607708

本文总结了机器学习中常见的单变量和双变量分析方法，包括boxplot图、散点图、回归分析和分类分析。通过实例展示了如何利用matplotlib和scikit-learn进行数据探索，帮助理解变量间的关系和影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

你好，我是你们的老朋友，zhenguo！

在机器学习EDA阶段，变量分析及可视化是常做的事情，这篇文章总结变量分析中，最常使用的单变量，双变量分析以及可视化。

单变量分析是指分析单个变量对目标变量的影响。

例如，在预测房屋价格的模型中，单变量分析可以探究房屋面积对价格的影响。

单变量分析中，常用到boxplot图，用来显示一个变量的分布情况，并且常用于离散变量。

import matplotlib.pyplot as plt

# 准备数据
data = [0, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 5]

# 绘制盒须图
plt.boxplot(data)
plt.show()

双变量分析则是分析两个变量之间的关系。或者，两个变量联合对目标值的影响。

例如，在同样的房屋价格预测模型中，双变量分析可以探究房屋面积和房龄对价格的影响。

常用的分析技巧包括：

机器学习：单或双变量常用分析技巧