データの形
CoddyのMachine Learningジャーニー「機械学習のための統計」セクションの一部。レッスン 8/64。
ヒストグラムの輪郭はデータの形状であり、どの要約統計量を信頼すべきかを教えてくれます：
長い裾は平均値をそちらへ引っ張りますが、中央値は集団の中心にとどまります。11人の訪問者がページに費やした秒数：
visits = np.array([8, 12, 15, 15, 18, 20, 22, 25, 40, 75, 140])
print(np.round(visits.mean(), 1), np.median(visits))これは次のように出力されます：
35.5 20.0平均値が中央値より大きい：右に歪んでいる、大きな値の裾があります。平均値が中央値より小さい：左に歪んでいる。両者が近い：対称。
歪度は学習前に確認すべき警告です。極端な値を持つ行が少数、ほかの行から大きく離れており、平均値はほとんどの行を代表していません。
チャレンジ
簡単150人のプレイヤーのログで学習する前に、ゲームチームはplayers.csvの各列の分布の形を確認します。各列について、順番に、列名、平均値（小数第1位まで）、中央値、判定を出力します。
- 平均値が中央値より2を超えて大きい場合は、右に歪んでいる
- 平均値が中央値より2を超えて小さい場合は、左に歪んでいる
- それ以外の場合は、対称
別のゲームのログの場合：
session_minutes: mean 14.3 above median 9.5, right-skewed
quiz_score: mean 83.3 below median 88.0, left-skewed
ping_ms: mean 46.4 close to median 46.0, symmetric自分で試してみよう
import numpy as np
import pandas as pd
players = pd.read_csv("players.csv")
# 以下にコードを書いてください
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
機械学習のための統計のすべてのレッスン
自分で練習してみよう: Pythonオンラインコンパイラ