Menu
CoddyTech
START LEARNING

Diagram Kotak

Termasuk bagian Statistik untuk ML dalam perjalanan Machine Learning di Coddy. Pelajaran 24 dari 64.

Setiap dataset menyimpan nilai-nilai yang tidak biasa: salah ketik, gangguan, atau rekor harian. Bab ini menemukan dan mengatasinya, dimulai dengan grafik yang menampilkannya, yaitu box plot:

11 durasi episode podcast ditampilkan sebagai titik, dan di sebelahnya box plot: sebuah kotak dari Q1, 39, hingga Q3, 47.5, dibagi oleh garis median pada 43, whisker turun hingga 32 dan naik hingga 52, serta satu titik tunggal pada 75 yang ditandai sebagai pencilan

ax.boxplot menggambarnya:

episodes = np.array([41, 36, 49, 43, 32, 46, 75, 40, 52, 38, 44])
fig, ax = plt.subplots()
ax.boxplot(episodes)
plt.show()

kotak menampung separuh nilai bagian tengah, dari Q1 hingga Q3, yang dibagi oleh median. Whisker mencapai nilai terakhir yang tidak terlalu jauh.

Titik-titik yang berada jauh darinya adalah outlier, yaitu nilai yang jauh dari nilai lainnya: nilai yang perlu diperiksa sebelum model mempelajarinya.

challenge icon

Tantangan

Sedang

Sebuah keluarga mencatat kegiatan membaca selama dua minggu dalam reading.csv, dengan satu kolom berisi jumlah menit untuk setiap orang. Program membaca nama, lalu kode awal menyiapkan grafik.

  1. Buat box plot dari kolom orang tersebut.
  2. Cetak median dan tepi kotak, Q1 dan Q3, masing-masing dibulatkan hingga 2 angka desimal, seperti di bawah ini.

Untuk Sam, pembaca lainnya, program mencetak:

Typical day: 97.5 minutes
Middle half: 90.5 to 108.75 minutes

dan menggambar grafik ini (Coddy kemudian akan menjelaskan grafik buatanmu):

Box plot berjudul Reading: Sam dengan Minutes di sisi samping: sebuah kotak dari sekitar 90 hingga 109 dengan garis median di dekat 98, whisker dari 87 hingga 128, dan titik pencilan di 61 dan 205

Coba sendiri

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

reading = pd.read_csv("reading.csv")
name = input()
# Jangan ubah baris-baris di bawah ini
fig, ax = plt.subplots()
ax.set_title(f"Reading: {name}")
ax.set_ylabel("Minutes")

# Tulis kodemu di bawah ini
quiz iconUji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Semua pelajaran di Statistik untuk ML

1Pusat dan Sebaran

Rata-rata dan MedianPersentil dan KuartilVarians dan Simpangan BakuSampel atau Populasi?Nilai yang Paling Sering MunculRangkuman: Waktu Pengiriman

4Sampel dan Populasi

Populasi dan SampelRata-rata Sampel BervariasiDistribusi SamplingSampel Lebih Besar, Lebih Sedikit GangguanRangkuman: Jajak Pendapat di Sebuah Kota

7Garis Tren

ResidualPencocokan Kuadrat TerkecilMenggambar Garis KecocokanMemprediksi dengan GarisSeberapa Baik Kecocokannya?Rangkuman: Jam Latihan

10Kategori Encoding

Kategori sebagai AngkaOne-Hot EncodingMengelompokkan AngkaRangkuman: Daftar Mobil

2Distribusi

Histogram KepadatanBentuk DataKurva NormalAturan 68-95-99,7Skor-ZRekap: Daya Tahan Baterai

5Nilai Pencilan

Diagram KotakAturan IQRAturan Z-ScoreMenangani Nilai PencilanRangkuman: Gangguan Sensor

8Membandingkan Kelompok

Diagram Kotak per KelompokPerbedaan Rata-rataMungkinkah Ini Kebetulan?Nilai-pUji-tRangkuman: Uji A/B

11Menjelajahi Dataset

Melihat SekilasSemua Fitur SekaligusFitur Dibandingkan dengan LabelDua Fitur TerbaikRangkuman: Data Diabetes

3Probabilitas melalui Simulasi

Probabilitas sebagai FrekuensiHukum Bilangan BesarJumlah Mata DaduNilai HarapanProbabilitas BersyaratRangkuman: Peluang di Lapak Dadu

6Hubungan

Membaca Diagram PencarKorelasiMatriks KorelasiPeta Panas KorelasiKorelasi Bukan Sebab-AkibatRangkuman: Es Krim dan Matahari

9Skala Fitur

Mengapa Fitur Perlu DiskalakanSkala Min-MaksStandardisasiStandardScalerRekap: Rekan Mendaki

12Tantangan Akhir

Keterlambatan KeretaKualitas UdaraKimia AnggurSurvei Klinik

Latihan sendiri: Compiler Python online