什么是数据探索？

数据探索是对已抽取的样本数据集做审核与规律探查的环节，核心构成包括异常值分析、缺失值分析、属性相关性分析与周期性分析。解决的是样本是否达到设想要求、有无明显规律与异常状态、属性能否分门别类等前置问题。并不解决后续建模方法的选择难题，挖掘模型的质量不会超过所抽取样本的质量。

对所抽取的样本数据进行探索、审核和必要的加工处理，能保证最终的挖掘模型的质量。可以说，挖掘模型的质量不会超过抽取样本的质量。数据探索和预处理的目的是保证样本数据的质量，从而为保证模型质量打下基础。

针对采集的餐饮数据，数据探索主要包括异常值分析、缺失值分析、相关分析、周期性分析等。