Diagrammes en boîte
Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 24 sur 64.
Chaque jeu de données cache des valeurs inhabituelles : une faute de frappe, un pépin, une journée record. Ce chapitre les repère et les apprivoise, en commençant par le graphique qui les montre, la boîte à moustaches :
ax.boxplot le trace :
episodes = np.array([41, 36, 49, 43, 32, 46, 75, 40, 52, 38, 44])
fig, ax = plt.subplots()
ax.boxplot(episodes)
plt.show()La boîte contient la moitié centrale des valeurs, de Q1 à Q3, séparée par la médiane. Les moustaches s’étendent jusqu’aux dernières valeurs qui ne sont pas trop éloignées.
Les points éloignés des autres sont des valeurs aberrantes, des valeurs très éloignées du reste : celles qu’il faut vérifier avant qu’un modèle n’apprenne à partir d’elles.
Défi
MoyenUne famille a consigné deux semaines de lecture dans reading.csv, avec une colonne de minutes par personne. Le programme lit un nom, et le code de départ prépare le graphique.
- Trace un diagramme en boîte pour la colonne de cette personne.
- Affiche sa médiane et les bords de la boîte, Q1 et Q3, chacun arrondi à 2 décimales, comme ci-dessous.
Pour Sam, une autre personne qui lit, le programme affiche :
Typical day: 97.5 minutes
Middle half: 90.5 to 108.75 minuteset trace ce graphique (Coddy décrira ensuite le tien) :
Essayez vous-même
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
reading = pd.read_csv("reading.csv")
name = input()
# Ne modifiez pas les lignes ci-dessous
fig, ax = plt.subplots()
ax.set_title(f"Reading: {name}")
ax.set_ylabel("Minutes")
# Écrivez votre code ci-dessous
Testez-vousCette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.
Toutes les leçons de Statistiques pour le ML
1Centre et dispersion
Moyenne et médianePercentiles et quartilesVariance et écart-typeÉchantillon ou population ?La valeur la plus fréquenteRécapitulatif : délais de livraison4Échantillons et populations
Population et échantillonLes moyennes d’échantillon varientLa distribution d’échantillonnageDes échantillons plus grands, moins de bruitRécapitulatif : sonder une ville2Distributions
Histogrammes de densitéFormes des donnéesLa courbe normaleLa règle des 68-95-99,7Scores zRécapitulatif : autonomie de la batterie5Valeurs aberrantes
Diagrammes en boîteLa règle de l’écart interquartileLa règle du score ZTraiter les valeurs aberrantesRécapitulatif : anomalies des capteurs3Les probabilités par simulation
La probabilité comme fréquenceLa loi des grands nombresSommes de désEspérance mathématiqueProbabilité conditionnelleRécapitulatif : les chances au stand de dés6Relations
Lire des nuages de pointsCorrélationMatrice de corrélationCartes thermiques de corrélationCorrélation n’est pas causalitéRécapitulatif : glace et soleil9Mise à l’échelle des caractéristiques
Pourquoi mettre les caractéristiques à l’échelleMise à l’échelle Min-MaxStandardisationStandardScalerRécapitulatif : partenaires d’escaladeEntraînez-vous par vous-même : Compilateur Python en ligne