Formes des données
Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 8 sur 64.
Le contour d’un histogramme représente la forme des données et vous indique quelle statistique récapitulative privilégier :
Une longue traîne tire la moyenne vers elle, tandis que la médiane reste au milieu du groupe. Nombre de secondes passées par onze visiteurs sur une page :
visits = np.array([8, 12, 15, 15, 18, 20, 22, 25, 40, 75, 140])
print(np.round(visits.mean(), 1), np.median(visits))Cela affiche :
35.5 20.0Moyenne supérieure à la médiane : asymétrique à droite, une queue de grandes valeurs. Moyenne inférieure : asymétrique à gauche. Proches l’une de l’autre : symétrique.
L’asymétrie est un avertissement avant l’entraînement : quelques lignes extrêmes sont très éloignées du reste, et la moyenne ne décrit presque personne.
Défi
FacileAvant de s’entraîner sur les journaux de 150 joueurs, une équipe de jeu vérifie la forme de chaque colonne de players.csv. Pour chaque colonne, dans l’ordre, affichez son nom, sa moyenne (à 1 décimale), sa médiane et un verdict :
- asymétrique à droite lorsque la moyenne est supérieure de plus de 2 à la médiane,
- asymétrique à gauche lorsqu’elle est inférieure de plus de 2,
- symétrique dans les autres cas.
Pour le journal d’un autre jeu :
session_minutes: mean 14.3 above median 9.5, right-skewed
quiz_score: mean 83.3 below median 88.0, left-skewed
ping_ms: mean 46.4 close to median 46.0, symmetricEssayez vous-même
import numpy as np
import pandas as pd
players = pd.read_csv("players.csv")
# 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