Wykresy pudełkowe według grup
Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 41 z 64.
Dwie grupy się różnią: czy to prawdziwa różnica, czy przypadek? Ten rozdział kończy się ilustracją, która na to odpowiada:
Wszystko zaczyna się od spojrzenia. Studio ceramiczne zmierzyło czas pracy swoich dwóch pieców. Przekaż ax.boxplot listę grup i ich nazwy:
gas = np.array([6.5, 7, 7.5, 8, 7, 6.5, 8.5, 7.5])
electric = np.array([9, 10.5, 11, 9.5, 12, 10, 10.5, 15])
fig, ax = plt.subplots()
ax.boxplot([gas, electric], tick_labels=["Gas", "Electric"])
ax.set_ylabel("Hours")
plt.show()Pudełka nawet się nie nakładają: gaz pali się szybciej. W modelu cecha, której pudełka ledwie się nakładają, pomaga odróżnić grupy.
Wyzwanie
ŚredniOśrodek narciarski zmierzył czas 36 przejazdów na swoich trzech wyciągach. Plik lifts.csv zawiera kolumny lift (Red, Green lub Blue) i minutes; kod początkowy wczytuje go i przygotowuje wykres.
- Wykonaj pętlę po
namesi zbierz czasy przejazdu każdym wyciągiem na liście. - Narysuj po jednym wykresie pudełkowym dla każdego wyciągu, używając nazw podanych w
tick_labels=. - Wyświetl wykres.
Program niczego nie wypisuje; Coddy opisuje każde pudełko. Dwa pozostałe wyciągi wyglądają tak:
Spróbuj swoich sił
import pandas as pd
import matplotlib.pyplot as plt
lifts = pd.read_csv("lifts.csv")
names = ["Red", "Green", "Blue"]
# Nie zmieniaj poniższych wierszy
fig, ax = plt.subplots()
ax.set_title("Lift Times")
ax.set_xlabel("Lift")
ax.set_ylabel("Minutes")
# Napisz swój kod poniżej
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym
1Położenie i rozproszenie
Średnia i medianaPercentyle i kwartyleWariancja i odchylenie standardowePróba czy populacja?Najczęściej występująca wartośćPodsumowanie: czasy dostaw4Próby i populacje
Populacja i próbaŚrednie z prób się różniąRozkład próbkowaniaWiększe próby, mniej szumuPodsumowanie: ankietowanie mieszkańców2Rozkłady
Histogramy gęstościKształty danychKrzywa normalnaReguła 68-95-99,7Wyniki standaryzowane (Z-scores)Podsumowanie: czas pracy baterii5Obserwacje odstające
Wykresy pudełkoweReguła IQRReguła Z-scorePostępowanie z obserwacjami odstającymiPodsumowanie: błędy czujników8Porównywanie grup
Wykresy pudełkowe według grupRóżnica średnichCzy to może być przypadek?Wartości pTest tPodsumowanie: test A/B3Prawdopodobieństwo przez symulację
Prawdopodobieństwo jako częstośćPrawo wielkich liczbSumy oczekWartość oczekiwanaPrawdopodobieństwo warunkowePodsumowanie: szanse na stoisku z kośćmi6Relacje
Odczytywanie wykresów punktowychKorelacjaMacierz korelacjiMapy cieplne korelacjiKorelacja nie oznacza przyczynowościPodsumowanie: lody i słońcePoćwicz samodzielnie: Kompilator Python online