13. Exploração multivariada

Explorar muitas variáveis ao mesmo tempo multiplica o que se pode ver — e o que se pode ver por acaso. Este capítulo trata das duas ferramentas visuais mais usadas nessa etapa, da disciplina de olhar dentro dos grupos antes de concluir sobre o todo e do efeito que muitas dimensões produzem sobre qualquer noção de proximidade.

O percurso começa pelo contato cuidadoso com os dados. A disciplina ensina a reconhecer tipos, qualidade, distribuições, relações, vieses e limites antes de construir conclusões ou modelos. Este é o capítulo 13 de 24 da disciplina Análise Exploratória de Dados. Ele retoma Relações categóricas e tabelas de contingência e utiliza essa base para avançar. Na sequência, estudaremos Visualização e integridade gráfica.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Exploração multivariada para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Matriz de dispersão

Começamos por Matriz de dispersão, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

A matriz de dispersão exibe as relações bivariadas entre várias variáveis, com as distribuições marginais na diagonal. É a forma mais rápida de reconhecer estrutura: relações lineares, curvas, agrupamentos, truncamentos e valores impossíveis aparecem todos de uma vez.

Com muitas observações, ela satura e deixa de informar. As saídas são amostragem visual (plotar uma amostra aleatória), transparência e destaque por grupo — colorir por uma variável categórica relevante em vez de acrescentar mais painéis.

Mapa de calor de correlações

Depois de compreender Matriz de dispersão, passamos a Mapa de calor de correlações. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

O mapa de calor de correlações resume os coeficientes pareados em uma grade colorida. Ele é excelente para triagem — encontrar blocos de variáveis redundantes, por exemplo — e ruim para conclusão, porque não revela forma nem causalidade.