Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Riepilogo: anomalie dei sensori

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 28 di 64.

challenge icon

Sfida

Medio

Ricordi i punti isolati del diagramma a scatola e baffi? Il sensore della sala di conservazione di un museo registra l’umidità ogni 15 minuti in readings e, ogni tanto, si verifica un malfunzionamento.

  1. Stampa quante letture vengono segnalate da ciascuna regola: quelle al di fuori dei limiti IQR e quelle con uno z-score superiore a 3 in entrambe le direzioni.
  2. Limita le letture ai limiti IQR, poi stampa la media prima e dopo, arrotondata a 2 decimali.
  3. Disegna i diagrammi a scatola e baffi affiancati, intitolati Before (le letture) e After (limitate), entrambi con l’etichetta dell’asse y Humidity (%).

Per il registro di un altro giorno, il programma stampa:

IQR glitches: 3
Z-score glitches: 2
Mean before: 51.69
Mean after: 51.89

e disegna questa figura (Coddy poi descrive la tua):

Due diagrammi a scatola e baffi affiancati. Before: una scatola schiacciata vicino al 52 percento, con punti anomali a 0, 31.5 e 99.9. After, le letture limitate: una scatola completa da circa 50.7 a 53.2, con baffi da circa 47 a 57 e senza punti

Provalo tu

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

log = pd.read_csv("humidity.csv")
readings = log["humidity"]

# Scrivi il tuo codice qui sotto

Tutte le lezioni di Statistica per il machine learning

1Centro e dispersione

Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna

4Campioni e popolazioni

Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città

7Linee di tendenza

ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica

10Codifica delle categorie

Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto

2Distribuzioni

Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria

5Valori anomali

Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori

8Confrontare gruppi

Diagrammi a scatola per gruppoDifferenza tra le mediePotrebbe essere solo caso?I p-valueIl test tRiepilogo: test A/B

11Esplorare un dataset

Una prima occhiataTutte le feature insiemeFeature a confronto con l'etichettaLe due feature miglioriRiepilogo: dati sul diabete

3Probabilità tramite simulazione

La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le featureScalatura Min-MaxStandardizzazioneStandardScalerRiepilogo: compagni di scalata

12Sfide finali

Ritardi dei treniQualità dell'ariaChimica del vinoSondaggio in clinica

Esercitati da solo: Compilatore Python online