Search

EDA 101 (3): 평균의 함정, 시각화 기본 문법, 상관 관계 분석

 강의 목차

00:00 평균으로 분석하는 것의 문제점
08:30 차원의 저주
09:53 데이터 시각화의 기초 (Chart Type별 활용 방법 및 기본 문법)
17:14 데이터 스토리텔링
19:39 목적에 맞는 데이터 시각화
20:57 상관관계와 산점도(Correlation and Scatter Plot)

 요약 노트

평균으로 분석하는 게 뭐가 문제일까?

X와 Y의 상관 정도(Why)를 알고 싶을 때, Scatterplot(산점도)

강의 교재

DH 커리큘럼 강의 교재(4).pdf
3851.5KB

관련 아티클

EDA(탐험 분석)에 대하여
EDA 실습에 사용할 Dataset 설명 이 글에 사용한 데이터는 Hans Rosling이 데이터 시각화를 통해 사람들이 기본적인 사실관계에 대해 얼마나 무지한지를 드러내는데 사용했던 데이터셋으로 아래의 변수들로 구성되어 있다. • Country: 국가명 • Year: 기대수명 등 각종 통계치가 집계된 년도 • Life Expectancy: 기대 수명 • Children per Woman: 여성 일인당 출산아동수 • Population: 인구 • Continent: 국가가
https://community.heartcount.io/ko/what-is-eda-with-hansrosling-dataset/
집계 말고 개별 레코드 수준 분석의 장점
때로는 대시보드만으로는 부족하다 전통적인 대시보드 레벨의 데이터 시각화 및 분석은 시간의 흐름에 따라 각 회사의 상황에 맞추어 미리 정의된 지표들의 추이를 확인하기 위한 목적성을 지니고 있다. 예를 들어 제품별 재고율의 월별 추이, 팀별 평균 판매량 비교 등이다. 추이의 변화를 확인하는 것만으로도 때로는 유의미한 데이터 분석이 될 수 있다. “너희 팀
https://community.heartcount.io/ko/the-trap-of-averages/

학습 콘텐츠가 도움이 되셨나요? 블로그에 후기를 작성해보세요.

블로그에 데이터 히어로 학습 콘텐츠와 관련된 글을 작성 후 아래 폼을 제출해주시면, 추첨하여 네이버페이 5,000원 쿠폰을 전달드립니다. 내가 공부한 내용을 기록하고, 다른 사람들에게 추천해보세요.