Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Punteggi Z

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 11 di 64.

Uno studente ha ottenuto 78 in chimica e 85 in storia. Quale risultato è migliore? Misura ciascun punteggio in base alla deviazione standard della rispettiva classe:

Due linee dei numeri con tacche a intervalli di deviazione standard. Chimica, media 70 e deviazione standard 4: il punteggio 78 si trova 2 deviazioni standard sopra la media. Storia, media 80 e deviazione standard 10: il punteggio 85 si trova solo 0,5 deviazioni standard sopra

Quella distanza è il punteggio z, z = (x - mean) / std. Chimica: (78 - 70) / 4 è 2.0. Storia: (85 - 80) / 10 è 0.5. Vince il 78.

Su un intero array, uno z negativo indica un valore inferiore alla media:

temps = np.array([12, 15, 9, 18, 16])
print(np.round((temps - temps.mean()) / temps.std(), 2))

Questo stampa:

[-0.63  0.32 -1.58  1.26  0.63]

I punteggi z condividono la stessa scala, con media 0 e deviazione standard 1, indipendentemente dall’unità di misura. In questo modo, età e reddito hanno lo stesso peso in un modello, per quanto grandi siano i loro valori.

challenge icon

Sfida

Facile

I punteggi dei giochi di puzzle e di corse di una sala giochi usano scale molto diverse. puzzle e racing contengono i punteggi di 12 giocatori abituali ciascuno. Un nuovo arrivato ha giocato a entrambi: il programma legge il suo punteggio nel gioco di puzzle, poi quello nel gioco di corse.

  1. Stampa lo z-score di ciascun punteggio rispetto al suo gioco, arrotondato a 2 decimali (usa .std()).
  2. Stampa quale risultato è più impressionante.

Per gli input 790 e 16900:

Puzzle z: 1.45
Racing z: 2.0
More impressive: Racing

Provalo tu

import numpy as np

puzzle = np.array([640, 720, 580, 810, 690, 750, 600, 700, 660, 730, 620, 780])
racing = np.array([12400, 15800, 13900, 11200, 16500, 14100,
                   12800, 15100, 13300, 14700, 12100, 14600])
p = int(input())
r = int(input())

# Scrivi il tuo codice qui sotto
quiz iconMettiti 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

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