讓我們回到 Glassdoor 資料集。前面的練習發現了 MonthlyIncome 與資料集中其他變數(包含 JobRole、JobLevel 和 CareerStage)之間的關係。這些都可以用在一個分解樹中,更快速地分析各變數內不同值如何影響 MonthlyIncome。
MonthlyIncome
JobRole
JobLevel
CareerStage
在這個練習中,你將用分解樹來了解多個「解釋依據(Explain by)」變數的不同值,如何影響平均的 MonthlyIncome。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在本章中,你會更熟悉時間型變數,以及如何用 EDA 擷取更多可供分析的變數,例如星期幾與時間差。你將實際操作 Power BI,建立折線圖以計算新指標,並找出資料中隱含的趨勢,包括期間對期間的變化與移動平均。
在 Power BI 的 EDA 中,最強大的功能之一是能辨識哪些變數對你的目標結果影響最大。支援這點的原生 Power BI 視覺化工具是分解樹。你將學習分解樹是什麼、如何建置,並加以解讀,藉此用其他變數來說明目標結果。
當前練習
在本章中,你將建立另一個原生的 Power BI 視覺化工具:關鍵影響因素。它能幫助你了解在特定變數與觀測分群下,目標結果會改變多少。