数据集│▼EDA（探索数据）│├── 数据规模├── 缺失值├── 类别比例├── 特征分布├── 异常值└── 相关性│▼数据清洗（Cleaning）│▼特征工程（Feature Engineering）│▼模型训练（Model Training）│▼模型评估（Evaluation）│▼模型解释（SHAP / LIME）│▼部署（Deployment）你现在正处在第一步EDA。这一步看似没有训练

如果你不小心打错了代码，把整个表格打印出来，你的浏览器网页会瞬间被撑开 1500 多行，你需要疯狂滚动鼠标好几屏才能滑过去，不仅卡顿，还严重影响阅读。你在做物化实验或者模拟晶体结构时，如果每次实验的温度、压力、升温速率都在悄悄变化，你最后测出来的电导率肯定每次都不一样，你就无法判断到底是哪一个配方真的起作用了。你再点一次，它又随机抓了另一批特征，准确率变成了 89.5%。你和作者一样：GitHub

feature_stats = features.describe().T ------------------为什么要转置？SECOM数据集是半导体生产的真实数据，1567个芯片样本，590个传感器读数，目标是预测每个芯片是合格品还是不合格品。最近开始从零学机器学习，选了一个半导体良品率预测的GitHub项目练手。第一个问题，很多pytho语言看不懂，不知道什么时自定义的内容，什么是python

其中第一行代码较难理解，不理解summary的意思，summary在src文件中data中data_lodar.py文件中，summary相当于直接一串代码调用了需要显示的内容，在summary一系列代码中可以直接读取传感器等传出的数据，在summary代码中load_data负责读数据，get_data_summary负责“统计数据”，将缺失值统计出来。#summary['n_pass']/su