Menu
CoddyTech
COMMENCER À APPRENDRE
flag Fr iconFrançaisdown icon

Récapitulatif : délais de livraison

Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 6 sur 64.

challenge icon

Défi

Facile

Rassemble le résumé du chapitre : un rapport sur un restaurant pour une application de livraison. deliveries.csv contient les colonnes restaurant, driver et minutes, et le programme lit le nom d’un restaurant. Pour ses livraisons, affiche :

  1. combien il y en a eu,
  2. la médiane des minutes, puis la moyenne (1 décimale),
  3. l’IQR (1 décimale),
  4. l’écart-type de l’échantillon, tel que pandas le donne (2 décimales),
  5. le livreur qui en a effectué le plus.

Pour un autre restaurant et l’entrée Pizza :

Pizza: 10 deliveries
Usual time: 17.5 min (median), mean 19.2
Middle half spans 2.5 min (IQR)
Std: 5.81 min
Top driver: Mia

Essayez vous-même

import numpy as np
import pandas as pd

deliveries = pd.read_csv("deliveries.csv")
name = input()

# Écrivez votre code ci-dessous

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 livraison

4Échantillons et populations

Population et échantillonLes moyennes d’échantillon varientLa distribution d’échantillonnageDes échantillons plus grands, moins de bruitRécapitulatif : sonder une ville

7Droites de tendance

RésidusAjustement par les moindres carrésTracer la droite d’ajustementPrédire avec une droiteQualité de l’ajustementRécapitulatif : heures de pratique

10Encodage des catégories

Les catégories sous forme de nombresEncodage one-hotRegrouper les nombres en intervallesRécapitulatif : annonces de voitures

2Distributions

Histogrammes de densitéFormes des donnéesLa courbe normaleLa règle des 68-95-99,7Scores zRécapitulatif : autonomie de la batterie

5Valeurs aberrantes

Diagrammes en boîteLa règle de l’écart interquartileLa règle du score ZTraiter les valeurs aberrantesRécapitulatif : anomalies des capteurs

8Comparer des groupes

Diagrammes en boîte par groupeDifférence entre les moyennesEst-ce dû au hasard ?Valeurs pLe test tRécapitulatif : test A/B

11Explorer un jeu de données

Un premier aperçuToutes les caractéristiques à la foisCaractéristiques et étiquetteLes deux meilleures caractéristiquesRécapitulatif : données sur le diabète

3Les probabilités par simulation

La probabilité comme fréquenceLa loi des grands nombresSommes de désEspérance mathématiqueProbabilité conditionnelleRécapitulatif : les chances au stand de dés

6Relations

Lire des nuages de pointsCorrélationMatrice de corrélationCartes thermiques de corrélationCorrélation n’est pas causalitéRécapitulatif : glace et soleil

9Mise à l’échelle des caractéristiques

Pourquoi mettre les caractéristiques à l’échelleMise à l’échelle Min-MaxStandardisationStandardScalerRécapitulatif : partenaires d’escalade

12Défis finaux

Retards des trainsQualité de l’airChimie du vinEnquête en clinique

Entraînez-vous par vous-même : Compilateur Python en ligne