看见数据关系，才算真正开始看数据
前两篇说了很多看数据之前该做的事。 
先弄清楚数据从哪里来，字段代表什么，标签怎么定义，缺失值为什么缺，异常值到底是错误还是信号，训练集和测试集有没有互相串门，线上数据会不会和训练数据分道扬镳。 
这些事情听起来麻烦，做起来折腾，是因为这些本来就是非常琐碎的工作，甚至有一个专门的信息集采和清洗的职业（工资都很低，别去尝试）。 
但是在机器学习项目里，越基础的地方越容易埋雷。所谓千里之堤，溃于蚁穴，即便是一个不起眼的小洞，后面可能就是洪水滔天。 
你以为自己只是随手跳过一个字段说明，后面可能就是半个月的模型排查。你以为自己只是漏看了一处时间窗口，后面可能就是线下分数高歌猛进，线上系统安静躺平。你以为自己只是顺手删掉几个离群点，后面可能就把真正有价值的大客户、异常交易、故障前兆一起扫进垃圾桶。捡了芝麻丢了西瓜是万不可取的。 
回归正题，很多人学习机器学习的时候...