文檔目錄
和 AI 工作
解释資料問題
了解為什么資料問題重要、影响分析的方式，以及修复建议。
诊断发现的問題可能會影响分析結果的准确性。了解每个問題的影响可以帮助你决定是否需要修复以及如何修复。
在决定清洗方案之前，先理解問題的根源和影响，而不是仅仅处理表面症状。
為什么重要
解释資料問題对分析的影响。例如，过多缺失值可能导致统计結果偏斜，不一致类别可能使分组分析出错。
了解問題的重要性有助于决定投入多少资源来修复它。
影响分析
AI 可以解释特定資料問題如何影响你的分析目标。例如，如果某个关键欄位有 30% 缺失，分析该欄位時结论可能不可靠。
如果問題无法在短期内修复，需要在分析结论中说明這一限制。
修复建议
基于問題类型和影响程度，AI 提供具体的修复建议。可能的建议包括填充缺失值、统一类别标签、删除重复行或保留原样。
在采用建议之前，确认修复方式符合你的分析需求。