O valor mais frequente
Parte da seção Estatística para ML do Journey de Machine Learning da Coddy. Lição 5 de 64.
Os tamanhos de camiseta são rótulos: não existe média entre M e XL. O centro de uma coluna categórica é sua moda, o valor mais comum:
.mode() encontra esse valor:
sizes = pd.Series(["M", "L", "M", "S", "XL", "M", "L", "S"])
print(sizes.mode()[0])Isso imprime:
MOs valores podem empatar, então .mode() retorna uma Series com todos os valores vencedores, ordenados. [0] pega o primeiro.
A moda preenche lacunas em uma coluna categórica. Ela também é o modelo mais simples de todos: sempre adivinhe a classe mais comum.
Desafio
FácilUma loja de esqui quer saber o que manter em estoque. rentals.csv registra 30 aluguéis com as colunas item, boot_size, level e days.
- Para cada coluna, na ordem, imprima seu nome, sua moda e quantos aluguéis têm esse valor.
- Em seguida, compare a média de
days, arredondada para 1 casa decimal, com sua moda.
Para um registro mais curto, com 8 aluguéis:
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 1Nenhum aluguel dura 2.8 dias: a moda é um valor que realmente ocorre.
Experimente você mesmo
import pandas as pd
rentals = pd.read_csv("rentals.csv")
# Escreva seu código abaixo
Teste seus conhecimentosEsta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.
Todas as lições de Estatística para ML
1Centro e dispersão
Média e medianaPercentis e quartisVariância e desvio padrãoAmostra ou população?O valor mais frequenteRevisão: tempos de entrega4Amostras e Populações
População e AmostraAs médias amostrais variamA distribuição amostralAmostras maiores, menos ruídoRevisão: pesquisa de opinião em uma cidade7Linhas de tendência
ResíduosAjuste por mínimos quadradosTraçando o ajusteFazendo previsões com uma linhaQuão bom é o ajuste?Revisão: horas de prática10Codificação de Categorias
Categorias como NúmerosCodificação One-HotAgrupamento de Números em FaixasRecapitulação: Anúncios de Carros2Distribuições
Histogramas de densidadeFormatos dos dadosA curva normalA regra 68-95-99,7Escores ZRecapitulando: duração da bateria5Valores atípicos
Diagramas de caixaA regra do IQRA regra do Z-scoreComo lidar com valores atípicosRevisão: falhas nos sensores8Comparando grupos
Gráficos de caixa por grupoDiferença entre médiasPode ser acaso?Valores-pO teste tRevisão: teste A/B11Explorando um conjunto de dados
Um primeiro olharTodos os atributos de uma vezAtributos em relação ao rótuloOs dois melhores atributosRevisão: dados de diabetes3Probabilidade por Simulação
Probabilidade como frequênciaA Lei dos Grandes NúmerosSomas de dadosValor esperadoProbabilidade condicionalRevisão: chances na barraca de dados6Relações
Lendo gráficos de dispersãoCorrelaçãoMatriz de correlaçãoMapas de calor de correlaçãoCorrelação não é causalidadeRevisão: sorvete e sol9Escalonamento de Recursos
Por que escalar os recursosEscalonamento Min-MaxPadronizaçãoStandardScalerRevisão: Parceiros de escaladaPratique por conta própria: Compilador de Python online