（4）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：
第一種: 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）：
用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
