Keşifsel veri analizi nedir?

Power BI ile Keşifsel Veri Analizi

Jacob H. Marquez

Data Scientist at Microsoft

Keşifsel veri analizi nedir?

"Veri kümelerini, sıklıkla istatistiksel grafikler ve diğer görselleştirme yöntemleriyle, temel özelliklerini özetlemek üzere analiz etme yaklaşımı."

¹ https://en.wikipedia.org/wiki/Exploratory_data_analysis

EDA’nın altı adımı

Veri yapısını anlama
Eksik veriyi belirleme
Betimsel istatistikler ve dağılımlarla veriyi betimleme
Aykırı değerleri belirleme
Değişkenler arası ilişkileri inceleme ve ölçme
Hipotez kurma

EDA’nın altı adımı

Veri yapısını anlama
Eksik veriyi belirleme
Betimsel istatistikler ve dağılımlarla veriyi betimleme
Aykırı değerleri belirleme
Değişkenler arası ilişkileri inceleme ve ölçme
Hipotez kurma

1. Veri yapısını anlama

Sürekli

Sayısal değişkenler; çoğunlukla sonsuz çoklukta değer alabilir

Uzaydaki yıldız sayısı
Tıklama oranları
İki şehir arası mesafe

Kategorik

Sayısal olmayan, genelde metin; iki veya daha çok gruplu değişkenler

Konut tipleri
Ülke
Şirket

2. Eksik veriyi belirleme

Rastgele eksik (MAR)

Seattle, New York City ve Paris için üçer satır gruplarından oluşan dokuz-a-dört bir matris. 30 hücrede yağış (inç) değerleri var ve 6 hücre, üç şehir grubunda rastgele boş.

Rastgele olmayan eksik (MNAR)

Seattle, New York City ve Paris için üçer satır gruplarından oluşan dokuz-a-dört bir matris. 30 hücrede yağış (inç) değerleri var ve yalnızca Seattle’da 4 hücre rastgele boş.

2. Eksik veriyi ele alma

Seattle, New York City ve Paris için üçer satır gruplarından oluşan dokuz-a-dört bir matris. 30 hücrede yağış (inç) değerleri var ve yalnızca Seattle’da 4 hücre rastgele boş.

Aynı dokuz-a-dört matris; üst satır kaldırılmış, boş hücrelerin silinmesini temsil eder.

Aynı dokuz-a-dört matris; üst satırda artık değerler var, boş hücrelerin medyanla atandığını temsil eder.

3. Veriyi betimleme

Minimum
Maksimum
Ortalama: tüm değerlerin toplamı / gözlem sayısı
Medyan: değer aralığının ortasındaki değer
Standart sapma: değişkenin ortalamadan ortalama sapması

3. Dağılımlarla veriyi betimleme

X ekseninde boy, Y ekseninde gözlem sayısı olan kişilerin boylarının histogramı.

Medyan ve ortalama eşittir
Simetrik bir eğri

3. Dağılımlarla veriyi betimleme

X ekseninde gelir, Y ekseninde gözlem sayısı olan hane geliri histogramı. Sol tarafta geniş, sağa gittikçe daralıyor.

Medyan < Ortalama
"Sağa çarpık": kuyruk sağda

X ekseninde süre, Y ekseninde gözlem sayısı olan çevrimiçi geçirilen süre histogramı. Solda dar, sağa gittikçe genişliyor.

Medyan > Ortalama
"Sola çarpık": kuyruk solda

Veri kümesi: AirBnB ilanları

Beş sütunlu Airbnb veri kümesi görseli: listing_id, host_id, host_since (tarih sütunu), city ve price.

Hadi pratik yapalım!

Power BI ile Keşifsel Veri Analizi