הערך השכיח ביותר

חלק מהיחידה סטטיסטיקה ללמידת מכונה במסלול ה-Machine Learning של Coddy. שיעור 5 מתוך 64.

מידות של חולצות הן תוויות: אין ממוצע של M ו-XL. המרכז של עמודת קטגוריה הוא השכיח שלה, הערך הנפוץ ביותר:

עמודות המציגות 8 הזמנות של חולצות לפי מידה: S 2, M 3, L 2, XL 1. העמודה הגבוהה ביותר, M, כהה ומסומנת כשכיח

.mode() מוצאת אותו:

sizes = pd.Series(["M", "L", "M", "S", "XL", "M", "L", "S"])
print(sizes.mode()[0])

זה מדפיס:

ערכים יכולים להיות שווים, לכן .mode() מחזירה Series של כל הערכים המנצחים, ממוינים. [0] לוקח את הראשון.

השכיח ממלא ערכים חסרים בעמודת קטגוריה. זהו גם המודל הפשוט ביותר: תמיד לנחש את המחלקה הנפוצה ביותר.

אתגר

קל

חנות סקי רוצה לדעת מה להחזיק במלאי. rentals.csv מתעד 30 השכרות עם העמודות item, boot_size, level ו-days.

עבור כל עמודה, לפי הסדר, הדפיסו את שמה, את השכיח שלה, וכמה השכרות כוללות את הערך הזה.
לאחר מכן השוו את הממוצע של days, מעוגל לספרה אחת אחרי הנקודה העשרונית, עם השכיח שלה.

עבור יומן קצר יותר של 8 השכרות:

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 1

שום השכרה לא נמשכת 2.8 ימים: השכיח הוא ערך שמופיע בפועל.

נסו בעצמכם

import pandas as pd

rentals = pd.read_csv("rentals.csv")

# כתבו את הקוד שלכם למטה

בחנו את עצמכם

השיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.

כל השיעורים ביחידה סטטיסטיקה ללמידת מכונה