探索性数据分析（EDA）是进行数据研究时的基础步骤。在 Tableau 中获取对数据的初步洞见非常简单：您将很快学会创建并解读表格、条形图、直方图和箱线图！

欢迎来到本课程！

解读直方图

在 Tableau 中做 EDA：表格与条形图

超级商店数据：表格

Superstore 数据：条形图

在 Tableau 中进行 EDA：直方图

Superstore 数据：直方图促销分析

Superstore 数据：直方图组距大小

箱线图与分布特征

您该选择哪种可视化？

在 Tableau 中做 EDA：箱线图

Superstore 数据：箱线图

超市数据：比较箱线图

单变量探索性数据分析

在这一更偏概念的章节中，您将更深入地理解不同的集中趋势与离散度量，以及它们在 Tableau 中的使用方法。您将了解摘要卡的用法、样本与总体的区别，并学习如何计算与可视化方差、标准差和置信区间。

离散程度的度量

选项

正确

错误

统计学：对或错

Tableau：摘要卡与离散程度

Superstore 数据：summary card

Superstore 数据：标准差

加分题：样本 vs 总体

Superstore 数据：方差

标准误与置信区间

样本数据的计算

一组统计量与估计量

Tableau：添加参考线与分布带

Superstore 数据：高拣货负载

Superstore 数据：置信区间

Superstore 数据：用均值还是中位数？

离散度量与置信区间

现在该同时观察 2 个变量了。描述两个变量之间的关系（即回归）是发现数据趋势的好方法。您将学习如何找到最佳趋势线、描述趋势模型，并利用恐龙数据预测未来观测值！

两个变量之间的关系

猜相关系数

Tableau：趋势线

恐龙：该预测什么？

恐龙：如何取消聚合？

恐龙：添加趋势线

评估趋势线

模型预测：严谨还是随机？

Tableau：描述趋势模型

恐龙：模型摘要

恐龙：按演化支建立模型

恐龙：置信区间

双变量探索性数据分析

在最后一章中，您将学习两种更高级的统计技术：预测与聚类。预测有助于您在时间序列数据中发现重复模式，并推断这些模式将来如何变化。通过聚类，您可以在无标签数据中识别模式，从而灵活切分数据集，揭示潜在洞见。

预测

预测：对还是错？

Tableau：预测

T 恤销量：首次预测

T 恤销量：聚合

T 恤销量：调整预测

聚类

聚还是不聚？这是个问题

Tableau：聚类

世界指标：对国家进行聚类

世界指标：描述聚类

世界指标：绘制聚类地图

世界指标：聚类结果

恭喜您！

预测与聚类

Workbooks and Datasources

借助 Tableau 内置的统计函数，将您的报告能力提升到新水平。通过拖拽式分析，您将学习如何进行单变量与双变量的探索性数据分析，并创建回归模型来发现隐藏趋势。在真实世界数据集上，您还会使用聚类和预测等机器学习技术。现在就更深入地挖掘您的数据吧！

<h2>使用内置统计函数</h2>
使用 Tableau 内置的统计函数，将你的报表技能提升到新水平。 
<br><br>
<h2>执行EDA并创建回归模型</h2> 
使用拖放式分析，您将学习如何进行单变量和双变量探索性数据分析，并创建回归模型以发现隐藏趋势。 
<br><br>
<h2>应用机器学习技术</h2>
在处理真实世界数据集时，你还将使用诸如聚类和预测等机器学习技术。 是时候深入挖掘你的数据了！

Tableau：添加参考线与分布带

Create Your Free Account