Формы распределения данных
Часть раздела Статистика для машинного обучения путешествия по Machine Learning на Coddy. Урок 8 из 64.
Контур гистограммы — это форма данных, и он подсказывает, какой сводной статистике доверять:
Длинный хвост тянет среднее значение к себе, а медиана остаётся рядом с основной массой. Количество секунд, проведённых одиннадцатью посетителями на странице:
visits = np.array([8, 12, 15, 15, 18, 20, 22, 25, 40, 75, 140])
print(np.round(visits.mean(), 1), np.median(visits))Это выводит:
35.5 20.0Среднее выше медианы: асимметрия вправо, хвост больших значений. Среднее ниже: асимметрия влево. Близки друг к другу: симметричное распределение.
Асимметрия — это предупреждение перед обучением: несколько экстремальных строк сильно отличаются от остальных, и среднее значение почти никого не описывает.
Задание
ЛегкоПеред обучением на логах 150 игроков игровая команда проверяет распределение значений в каждом столбце players.csv. Для каждого столбца по порядку выведи его имя, среднее значение (1 знак после запятой), медиану и вывод:
- правосторонняя асимметрия, если среднее значение более чем на 2 выше медианы,
- левосторонняя асимметрия, если оно более чем на 2 ниже медианы,
- в остальных случаях распределение симметричное.
Для лога другой игры:
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, symmetricПопробуйте сами
import numpy as np
import pandas as pd
players = pd.read_csv("players.csv")
# Напишите свой код ниже
Проверьте себяВ этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.
Все уроки раздела Статистика для машинного обучения
1Центр и разброс
Среднее и медианаПроцентили и квартилиДисперсия и стандартное отклонениеВыборка или генеральная совокупность?Самое частое значениеПовторение: сроки доставки4Выборки и генеральные совокупности
Генеральная совокупность и выборкаСредние значения выборок различаютсяРаспределение выборочных среднихЧем больше выборка, тем меньше шумИтоги: опрос жителей города2Распределения
Гистограммы плотностиФормы распределения данныхНормальная криваяПравило 68–95–99,7Z-оценкиПовторение: время работы батареи3Вероятность с помощью моделирования
Вероятность как частотаЗакон больших чиселСуммы значений на кубикахМатематическое ожиданиеУсловная вероятностьПовторение: шансы в игре в кости6Взаимосвязи
Чтение диаграмм рассеянияКорреляцияМатрица корреляцийТепловые карты корреляцийКорреляция не означает причинностьПовторение: мороженое и солнцеПотренируйтесь самостоятельно: Онлайн-компилятор Python