1.对数据进行概览，观测其异常值和缺失值，异常值可以通过qq图或设定偏离均值一定方差范围以外的阈值进行过滤。
2.缺失值和异常值处理，根据具体情况，是否需要对缺失值进行删除或填充，是否需要将异常值删除或将其处理到正常范围以内。
3.利用描述性统计量和箱线图观察样本各个特征分布情况。需要注意：观察不同类别样本数量是否均衡，对于不均衡的情况，训练模型时可以采用分层抽样或增加样本量较少类别的样本量。
4.利用平行坐标图观察特征和类别之间的联系。平行坐标图中的横轴为各个特征，纵轴为特征取值，一个样本对应各个特征取值的一条连线，类别反应在连线的颜色中。通过观察不同特征上各类别颜色的聚集区分程度可以看出哪个特征区分效果好。
5.各特征间以及特征和标签间的相关系数热力图，观察他们之间的相关性。进一步可通过散点图（seaborn.pairplot）观察特征间的关系。
原文：https://www.cnblogs.com/ningjing213/p/13743107.html