一、案例定位

原書第 4 章以 Titanic.csv 示範探索性資料分析（Exploratory Data Analysis, EDA）：在深入建立模型之前，先利用統計摘要、類別分布、缺漏值與重複紀錄快速理解資料。

二、學習目標

• 使用探索性資料分析檢查數值型與類別型欄位。
• 辨識缺漏值、重複紀錄與群組分布不均。
• 利用基本統計與次數分布找出需要進一步清理的問題。
• 根據探索結果決定後續分析方向，而不是直接跳入模型。

三、案例情境

原書把 Titanic.csv 上傳至具有程式碼直譯器的 ChatGPT-4 Plus，要求進行探索性資料分析。AI 先整理數值型欄位，再檢查類別型欄位、缺漏值、重複值與部分變數關係，協助分析者快速理解資料品質與樣本結構。

四、開始資料

五、Excel／R／AI 分析方法

先把欄位分成數值型與類別型兩組：

• 數值型欄位：檢查筆數、平均數、標準差、最小值、最大值與缺漏值。
• 類別型欄位：檢查各類別次數、不同值數量、缺漏值與是否存在不合理代碼。

接著檢查：

1. 重複紀錄；
2. 缺漏比例；
3. 群組分布是否高度不均；
4. 是否存在可能的離群值；