El valor más frecuente
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 5 de 64.
Las tallas de las camisetas son etiquetas: no hay una media de M y XL. El centro de una columna de categorías es su moda, el valor más frecuente:
.mode() lo encuentra:
sizes = pd.Series(["M", "L", "M", "S", "XL", "M", "L", "S"])
print(sizes.mode()[0])Esto imprime:
MLos valores pueden empatar, por lo que .mode() devuelve una Serie con todos los ganadores, ordenados. [0] toma el primero.
La moda rellena los valores faltantes en una columna categórica. También es el modelo más sencillo de todos: siempre predice la clase más común.
Desafío
FácilUna tienda de esquí quiere saber qué mantener en existencias. rentals.csv registra 30 alquileres con las columnas item, boot_size, level y days.
- Para cada columna, en orden, imprime su nombre, su moda y cuántos alquileres tienen ese valor.
- Después compara la media de
days, redondeada a 1 decimal, con su moda.
Para un registro más corto de 8 alquileres:
item: snowboard (5 of 8)
boot_size: 42 (4 of 8)
level: beginner (5 of 8)
days: 1 (4 of 8)
Days rented, mean vs mode: 2.8 vs 1Ningún alquiler dura 2.8 días: la moda es un valor que realmente ocurre.
Pruébalo tú mismo
import pandas as pd
rentals = pd.read_csv("rentals.csv")
# Escribe tu código a continuación
Ponte a pruebaEsta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.
Todas las lecciones de Estadística para ML
1Centro y dispersión
Media y medianaPercentiles y cuartilesVarianza y desviación estándar¿Muestra o población?El valor más frecuenteRepaso: tiempos de entrega4Muestras y poblaciones
Población y muestraLas medias muestrales varíanLa distribución muestralMuestras más grandes, menos ruidoRepaso: Encuestar a un pueblo7Líneas de tendencia
ResiduosAjuste por mínimos cuadradosTrazar el ajustePredecir con una línea¿Qué tan bueno es el ajuste?Repaso: horas de práctica10Codificación de categorías
Categorías como númerosCodificación one-hotAgrupación de números en intervalosRepaso: anuncios de autos2Distribuciones
Histogramas de densidadFormas de los datosCurva normalRegla del 68-95-99,7Puntuaciones zRepaso: duración de la batería5Valores atípicos
Diagramas de cajaLa regla del RICLa regla del valor ZTratamiento de valores atípicosRepaso: fallos de los sensores3Probabilidad mediante simulación
La probabilidad como frecuenciaLa ley de los grandes númerosSuma de dadosValor esperadoProbabilidad condicionalRepaso: probabilidades del puesto de dados6Relaciones
Lectura de diagramas de dispersiónCorrelaciónMatriz de correlaciónMapas de calor de correlaciónCorrelación no es causalidadRepaso: helado y sol9Escalado de características
Por qué escalar las característicasEscalado mín-máxEstandarizaciónStandardScalerRepaso: compañeros de escaladaPractica por tu cuenta: Compilador de Python online