數據分析（Data Analysis）
數據分析 是運用 統計方法、機器學習 及 其他技術，
從 處理後 的 數據中 提取有 用資訊 與 洞察 的過程。
根據 分析目的，可分為以下四種主要方法：
A. 敘述性分析（Descriptive Analysis）：
描述數據的 基本特徵 和 分佈情況。
使用 各別 有其優點、限制、適用領域 的
統 計指標（如平均值、中位數、標準差、百分位數等），以及
圖 表（如直方圖、散佈 圖、折線圖等）等來總結和呈現數據。
a. 平均值（Mean）：
將一組數據的所有值相加後除以數據的個數，所得出的結果，
代表了數據的平均水平。
優點：計算簡單，易於理解。
缺點：極端值（離群值）的影響較大，若數據集中有極端值，
平均值 可能會偏離 數據的中心趨勢。
b. 中位數（Median）：
將一組數據按照大小順序排列，位於中間位置的值，如果數 據個數為偶數，
則 取中間兩個數 的 平均值。
優點：不受極端值影響，能更好地反映數據的中心趨勢。
缺點：對數據分布的變動性不敏感。
c. 標準差（Standard Deviation）：
用來衡量一組數據的分散程度，標準差越大，數 據的分散程度越大，
反之亦然。
優點：能量化描述數據的分散程度，常用於比較不同組數據的分散情況。
缺點：計算相對複雜，且受極端值影響。
d. 百分位數（Percentile）：
將一組數據按照大小順序排列後，將數據分為 100份， 每份佔1%，
則第p百分位數 是指 有p%的數據 小於或等於 它的值。
優點：能詳細描述數據的分佈情況，不受極端值影響。
缺點：計算相對複雜，對於較大的數據集計算量較大。
e. 直方圖（Histogram）：
將連續型數據 分成幾個類別（通常稱為「組」或「bin」），
並 用 矩形的高度 表 示 每個類別中 數據的個數。
優點：能直觀地展示數據的分布情況，包括集中趨勢、分散程度和
是否有異 常值，可快速了解數據的整體樣貌。
缺點：組間隔的選擇 會影響直方圖的外觀，不同的組間隔
可能產生不同的視 覺效果。
f. 散佈圖（Scatter plot）：
於展示 兩個變量之間 的 關係，每個數據點代表一組觀 察值，其位置
由 兩個變量的值 決定。
優點：能直觀地顯示兩個變量之間 的 相關性，包括 線性相關、非線性相關
或 無相關、可以幫助發現異常值。
缺點：當數據點過多時，圖形可能變得擁擠，難以觀察。
g. 折線圖（Line chart）：
用於顯示 數據隨 時間 或 其他連續變量 的變化趨勢。
優點：能清晰地展示 數據的 變化趨勢，易於 比較不同時間點 的數據;
可以顯 示多個變量的變化趨勢。
缺點：較不適合 展示類別型數據。
發表文章
