EDA(Exploratory Confirmatory Analysis; 탐색적 자료 분석)

1. 다음 링크는 다양한 시각화 방법들이 나와있는 Seaborn과 Matplotlib 의 공식문서입니다. 링크 속의 시각화 방법 중 하나를 선택하여, 고른 이유와 해당 시각화 방법의 장점을 소개해 주세요.

• 저는 seaborn의 violinplot을 선택했습니다! 먼저 violinplot은 boxplot과 동일하게 일변량, 연속형 데이터의 분포를 설명하기 위한 그래프입니다. 내용 자체는 boxplot과 같으나 커널 밀도 곡선을 더해, 카테고리값에 따른 각 분포의 실제 데이터 또는 전체 형상을 보여준다는 장점이 있습니다.

2. 확증적 데이터 분석(CDA: Confirmatory Data Analysis)과 탐색적 자료 분석(EDA: Exploratory Data Analysis)의 차이점을 설명하고,각각 어떤 경우에 사용되는지 말씀해주세요.

• 확증적 데이터 분석(CDA) : 목적을 가지고 데이터를 확보하여 분석하는 방법. 관측된 데이터의 형태나 효과의 재현성 평가, 유의성 검정, 신뢰구간 추정 등 통계적 추론을 하는 단계. 가설검정, 설문조사, 논문에 대한 내용을 입증하는데 많이 사용.
• 탐색적 데이터 분석(EDA) : 쌓여있는(이미 있는) 데이터를 기반으로 가설을 세워 데이터를 분석하는 방법. 데이터의 구조와 특징을 파악하며 얻은 정보를 바탕으로 통계모형을 만드는 단계. 빅데이터 분석에 사용.

3. 아래의 링크와 인용구를 참조해, EDA의 중요성에 대해서 생각해보고 자유롭게 생각을 서술해주세요.

• EDA는 어떤 목적을 선정해두고 데이터를 확보하고 분석하는 CDA와는 다르게 말그대로 '탐색적'이라는 점에서 그 의미가 있다고 생각합니다. A라는 목적지를 두고 버스를 어떻게 타고, 지하철을 갈아타서 몇분 걸어가면 되겠다 라는 느낌이 아닌 일단 출발해서 앞으로 나아가면서 그 때 그 때 상황에 대처하는 '탐험'의 느낌같기도 하고...... 주어진 상황(데이터)을 시각화해보고 통계적 수치를 나타내보고 이리저리 뜯어보면서 특정 인사이트를 얻을 수 있다는 점이 매력적이고 데이터 분석에 있어 가장 최우선으로 수행되어야할 단계라고 생각합니다.
  "'잘못된 질문'에 대한 '확실한 답'은 항상 결론이 확실할 수는 있으나, 종종 결론이 애매모호하게 나긴 하지만 '정확한 질문'에 대한 '대략적인 답'이 더 낫다." 에서 가장 핵심은 '확실한 답'보다 '정확한 질문'이 우선이란 게 아닐까 싶습니다. 마찬가지로 EDA를 통해 데이터에서 우리가 어떤 정확한 질문을 할 수 있을지 생각해보면 좋을 것 같습니다.

---

1.

다음 링크는 다양한 시각화 방법들이 나와있는 Seaborn과 Matplotlib 의 공식문서입니다.
링크 속의 시각화 방법 중 하나를 선택하여, 고른 이유와 해당 시각화 방법의 장점을 소개해 주세요.

동기분들에게 설명하듯이 혹은 강의를 하듯이 자유롭게 설명해주세요!

• 링크

  • Seaborn
  • Matplotlib
  • Data Visualization

2.

확증적 데이터 분석(CDA: Confirmatory Data Analysis)과
탐색적 자료 분석(EDA: Exploratory Data Analysis)의 차이점을 설명하고,
각각 어떤 경우에 사용되는지 말씀해주세요.

3.

아래의 링크와 인용구를 참조해, EDA의 중요성에 대해서 생각해보고 자유롭게 생각을 서술해주세요.

잘못된 질문'에 대한 '확실한 답'은 항상 결론이 확실할 수는 있으나, 종종 결론이 애매모호하게 나긴 하지만 '정확한 질문'에 대한 '대략적인 답'이 더 낫다. -John Tukey

• 링크
• John Tukey 는 벨 연구소에서 근무하면서 bit 라는 단어를 만들어낸 분입니다. 1977년에 데이터 분석에 대해 낸 책이 있는데, 그 책의 이름이 Exploratory Data Analysis 입니다.