数据探索与分析

通过统计检验、拟合优度分析和变换建议来表征单变量分布。精通正态性检验、偏度校正和分布拟合。

使用相关矩阵、配对图、VIF分析和互信息探索多个变量之间的关系。擅长多重共线性检测、非线性关联和混合类型相关性分析。

检测、分类并分析单变量与多变量数据集中的异常值。精通基于IQR、z-score、孤立森林、LOF及DBSCAN的异常检测方法，并评估其业务影响。

执行结构化探索性数据分析，以揭示分布、异常值、相关性和模式。使用Python或R生成EDA报告、可视化图表和统计摘要。

分析数据集模式、推断数据类型、检测类型不匹配并生成数据字典。擅长模式验证、推断类型与声明类型的一致性核对以及元数据文档编制。

从完整性、一致性、有效性、唯一性和时效性维度剖析数据集质量。生成质量评分卡、问题清单和修复建议。

探索并分析时间序列数据的趋势、季节性、平稳性和异常。擅长ACF/PACF分析、分解、不规则性检测及时间数据质量评估。

对分类变量和名义变量进行频率分布、基数、编码问题和稀有类别的分析。擅长标签一致性、基数缩减和编码策略选择。

诊断缺失数据机制（MCAR、MAR、MNAR）并设计合适的插补策略。擅长缺失性可视化、Little's MCAR检验及多重插补方法。

使用PCA、t-SNE、UMAP和特征方差分析，对高维数据集进行剖析与探索。擅长维度评估、维度灾难诊断及结构可视化。