最頻値

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 5/64。

Tシャツのサイズはラベルです。MとXLの平均値はありません。カテゴリ列の中心となる値は最頻値、つまり最もよく現れる値です：

サイズ別のTシャツ注文8件を数えた棒グラフ：S 2、M 3、L 2、XL 1。最も高い棒であるMは濃い色で、modeとラベル付けされている

.mode()で最頻値を求めます:

sizes = pd.Series(["M", "L", "M", "S", "XL", "M", "L", "S"])
print(sizes.mode()[0])

これは次のように表示されます:

値が同率になることがあるため、.mode()は、同率の値をすべて並べ替えてSeriesとして返します。[0]は最初の値を取得します。

最頻値は、カテゴリ列の欠損値を補います。また、すべてのモデルの中で最も単純なモデルです。常に最も一般的なクラスを予測します。

チャレンジ

簡単

スキーショップでは、何を在庫として置いておくべきか知りたいと考えています。rentals.csvには、列item、boot_size、level、daysを持つ30件のレンタル記録があります。

レンタル記録が8件の場合は次のようになります。

item: snowboard (5 of 8)
boot_size: 42 (4 of 8)
level: beginner (5 of 8)
days: 1 (4 of 8)
Days rented, mean vs mode: 2.8 vs 1

2.8日間のレンタルはありません。最頻値は実際にある値です。

自分で試してみよう

import pandas as pd

rentals = pd.read_csv("rentals.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