La regola dell'IQR
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 25 di 64.
Un diagramma a scatola rappresenta i valori lontani con dei punti. Per trovarli nel codice, trasforma la sua regola in due limiti, a 1.5 IQR oltre ciascun bordo della scatola:
Nel codice, con le maschere:
prices = np.array([35, 42, 38, 45, 40, 72, 37, 44, 39, 41, 36, 18])
q1 = np.percentile(prices, 25)
q3 = np.percentile(prices, 75)
iqr = q3 - q1
low = q1 - 1.5 * iqr
high = q3 + 1.5 * iqr
print(low, high)
print(prices[(prices < low) | (prices > high)])Questo stampa:
28.125 51.125
[72 18]I quartili ignorano i valori estremi, quindi un valore anomalo non può allargare i limiti per nascondersi. Segnala questi valori prima dell'addestramento: un valore fuori scala può attirare un modello verso di sé.
Sfida
MedioUn insegnante ha cronometrato un quiz e il programma legge i minuti di ogni studente in minutes. Il codice iniziale stampa i limiti restituiti da iqr_fences.
- Completa
iqr_fences(a)in modo che restituisca il limite inferiore e quello superiore dell’IQR dia. - Qui sotto, stampa
Unusual:e i tempi al di fuori dei limiti, nel loro ordine originale.
Per 9 studenti che impiegano 8, 11, 9, 10, 27, 12, 9, 10 e 11 minuti:
Fences: 6.0 to 14.0 minutes
Unusual: [27]Provalo tu
import numpy as np
# Restituisce i limiti inferiore e superiore dell'IQR di un array
def iqr_fences(a):
# Scrivi qui il tuo codice
return 0.0, 0.0
n = int(input())
values = []
for i in range(n):
values.append(int(input()))
minutes = np.array(values)
# Non modificare le righe sottostanti
low, high = iqr_fences(minutes)
print(f"Fences: {np.round(low, 2)} to {np.round(high, 2)} minutes")
# Scrivi il tuo codice qui sotto
Mettiti alla provaQuesta 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
1Centro e dispersione
Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna4Campioni e popolazioni
Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città7Linee di tendenza
ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica10Codifica delle categorie
Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto2Distribuzioni
Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria5Valori anomali
Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori3Probabilità tramite simulazione
La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi6Relazioni
Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e soleEsercitati da solo: Compilatore Python online