1. 案例定位

DataRobot Text Analysis Insights。

2. 學習目標

理解 Unstructured Text 如何成為 Predictive Features。

3. 案例情境

原書以 Titanic Name Feature 展示 Text Mining Association 與 Word Cloud。

4. 開始資料

Figures 10.27–10.29。

5. 分析方法

檢查文字 Token 與 Target Association,再用視覺化輔助解讀。

6. 計算結果

原書描述部分 Name Words 與 Target 的正負 Association;本頁不補未擷取數值。

7. 結果分析與管理解讀

文字欄位可能含有結構化欄位未直接呈現的預測訊息。

8. AI Prompt

依 Figures 10.27–10.29 解釋 Text Mining 與 Word Cloud 的用途與限制。

9. 思考/What-if

Word Cloud 字越大是否必然代表因果影響越大?

參考解答: 否;需依工具定義與模型關聯解讀,不能轉成因果結論。

10. 資料說明