动手三步

1. 先看概览里的数值型特征表，有个特征的「为零比例」标成红色的九成多，一眼看出它九成样本都是 0
2. 把排序方式切成「分布距离」，训练集与测试集差别最大的特征会排到最上面
3. 这时展开类别型特征里的标签列：训练集的标签末尾没有句点、测试集有，一个本不该存在的训练测试差异被揪出来了
4. 往下到细览：把着色依据换成标签列，再把纵轴分桶换成学历，看学历越高、高收入的比例怎么变
5. 点任意一个小方块，右侧弹出这条记录的全部字段，从统计回到个体
6. 最后点「载入你自己的数据」，选一个带表头的表格文件，整套分析对自己的数据重跑一遍

课堂怎么用

• 把它当作建模第一课的开场：不写一行代码，先让学生花 15 分钟把数据看一遍，再问「你打算用哪些特征」
• 标签末尾那个句点是全场最好的教学点：训练集和测试集的标签不一致，模型怎么调都白搭
• 让学生自带一份表格上传，当场找出自己数据里的缺失与异常，作业感很强
• 细览的分面适合小组竞赛：给定一个问题，比谁先用分桶加着色把答案摆出来

思考题

1. 某个特征有九成样本取值为 0，这样的特征还该不该进模型？为什么？
2. 训练集和测试集的标签写法差一个句点，如果没发现，训练出的模型在测试集上会发生什么？
3. 按学历分桶后高收入比例明显上升，这能说明「学历导致高收入」吗？

已知限制

• 被探查的数据本身一律不翻译：字段名与字段取值保持英文。它们是数据不是界面，而且细览的下拉框与图例直接用这些字符串作键
• 部分下拉框收起时仍显示英文（组件把选项文字缓存进了输入框），展开后的选项已是中文
• 原作的一节演示用的数据放在境外云存储上，本镜像不带，该节与对应参考文献已隐藏
• 「随机狗狗」演示页未收录：原作在这一页用的是 2017 年的旧版组件库，当前浏览器里已经跑不起来（原站同样报错）
• 整站建立在 2017 年的组件规范之上，靠兼容垫片支撑，已实测在当前浏览器上完整可用；若干年后需要重新验证
• 上传的表格只在浏览器本地解析，不会上传到任何服务器；文件太大会卡，建议课堂样例控制在万行以内