Diagrammi a scatola per gruppo

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 41 di 64.

Due gruppi differiscono: è una differenza reale o è frutto del caso? Questo capitolo si conclude con l'immagine che risponde alla domanda:

Un istogramma di 1000 differenze prodotte casualmente dal mescolamento, concentrate intorno a 0, con una linea rossa che rappresenta la differenza reale, molto distante, sul bordo sinistro

Si comincia con uno sguardo. Uno studio di ceramica ha cronometrato i suoi due forni. Passa a ax.boxplot un elenco di gruppi e i loro nomi:

gas = np.array([6.5, 7, 7.5, 8, 7, 6.5, 8.5, 7.5])
electric = np.array([9, 10.5, 11, 9.5, 12, 10, 10.5, 15])
fig, ax = plt.subplots()
ax.boxplot([gas, electric], tick_labels=["Gas", "Electric"])
ax.set_ylabel("Hours")
plt.show()

Due diagrammi a scatola sullo stesso asse: Gas è più basso, con una mediana di circa 7.25 ore, mentre Electric è più alto, con una mediana di circa 10.5 ore e un punto anomalo a 15. Le scatole non si sovrappongono

I riquadri non si sovrappongono nemmeno: il gas brucia più velocemente. Per un modello, una caratteristica i cui riquadri si sovrappongono appena aiuta a distinguere i gruppi.

Sfida

Medio

Una stazione sciistica ha cronometrato 36 discese sui suoi tre impianti di risalita. lifts.csv contiene lift (Red, Green o Blue) e minutes; il codice iniziale carica il file e imposta il grafico.

Scorri names e raccogli i minuti di ciascun impianto in un elenco.
Disegna un box per ogni impianto, assegnandogli un nome con tick_labels=.
Mostra il grafico.

Non stampa nulla; Coddy descrive ogni box. Altri due impianti si presentano così:

Un grafico intitolato Lift Times con due diagrammi a scatola chiamati Orange e Purple: Orange è basso, intorno ai 18 minuti, mentre Purple è più alto, intorno ai 27,5 minuti, con un punto anomalo a 44

Provalo tu

import pandas as pd
import matplotlib.pyplot as plt

lifts = pd.read_csv("lifts.csv")
names = ["Red", "Green", "Blue"]
# Non modificare le righe qui sotto
fig, ax = plt.subplots()
ax.set_title("Lift Times")
ax.set_xlabel("Lift")
ax.set_ylabel("Minutes")

# Scrivi il tuo codice qui sotto

Mettiti alla prova

Questa lezione include un breve quiz. Inizia la lezione per rispondere e tenere traccia dei tuoi progressi.

Tutte le lezioni di Statistica per il machine learning

2Distribuzioni

Istogrammi di densità Forme dei dati Curva normale Regola 68-95-99,7 Punteggi Z Riepilogo: durata della batteria

5Valori anomali

Diagrammi a scatola La regola dell'IQR La regola dello z-score Gestire i valori anomali Riepilogo: anomalie dei sensori

8Confrontare gruppi

Diagrammi a scatola per gruppoDifferenza tra le medie Potrebbe essere solo caso?I p-value Il test t Riepilogo: test A/B

11Esplorare un dataset

Una prima occhiata Tutte le feature insieme Feature a confronto con l'etichetta Le due feature migliori Riepilogo: dati sul diabete

Esercitati da solo: Compilatore Python online