ある企業が新しいデータを収集し、相関行列を作成し、要約統計量を計算し、データを理解するために視覚化を行いました。これは機械学習ワークフローのどの段階に当たりますか？

探索的データ分析（EDA）は、新しいデータを収集した後、その特性を理解するために行われる初期段階の分析です。相関行列の作成、要約統計量の計算、およびデータの視覚化は、データ内のパターン、異常値、関係性を特定し、その後のモデリングの方向性を決める上で不可欠なEDAの活動です。 データ前処理は、EDAで得られた知見に基づいて、欠損値の処理やデータのスケーリングなど、機械学習モデルが扱える形式にデータを変換する段階です。特徴量エンジニアリングは、既存のデータから新しい有用な特徴量を作成する段階です。ハイパーパラメータチューニングは、モデルの学習後にその性能を最適化するための設定調整です。