Kutu Grafikleri
Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 24 / 64.
Her veri kümesi sıra dışı değerler barındırır: bir yazım hatası, bir aksaklık, rekor kırılan bir gün. Bu bölüm, onları gösteren grafikten başlayarak bu değerleri bulup kontrol altına alıyor: kutu grafiği:
ax.boxplot bunu çizer:
episodes = np.array([41, 36, 49, 43, 32, 46, 75, 40, 52, 38, 44])
fig, ax = plt.subplots()
ax.boxplot(episodes)
plt.show()Kutu, medyanla ikiye ayrılan değerlerin orta yarısını, Q1 ile Q3 arasını, gösterir. Bıyıklar, çok uzakta olmayan son değerlere kadar uzanır.
Bunların dışındaki noktalar aykırı değerlerdir; geri kalanından uzak olan ve bir model bunlardan öğrenmeden önce kontrol edilmesi gereken değerlerdir.
Görev
OrtaBir aile, reading.csv dosyasına iki haftalık okuma verilerini kaydetti; her kişi için bir sütunda dakika değerleri yer alıyor. Program bir ad okuyor ve başlangıç kodu grafiği hazırlıyor.
- O kişinin sütununa ait bir kutu grafiği çiz.
- Aşağıdaki gibi, kişinin medyanını ve kutunun kenarları olan Q1 ile Q3 değerlerini 2 ondalık basamağa yuvarlayarak yazdır.
Başka bir okuyucu olan Sam için program şunu yazdırıyor:
Typical day: 97.5 minutes
Middle half: 90.5 to 108.75 minutesve şu grafiği çiziyor (Coddy daha sonra seninkini açıklıyor):
Kendin dene
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
reading = pd.read_csv("reading.csv")
name = input()
# Aşağıdaki satırları değiştirmeyin
fig, ax = plt.subplots()
ax.set_title(f"Reading: {name}")
ax.set_ylabel("Minutes")
# Kodunuzu aşağıya yazın
Kendini test etBu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.
Makine Öğrenimi için İstatistik bölümündeki tüm dersler
1Merkez ve Yayılım
Ortalama ve MedyanYüzdelikler ve ÇeyreklerVaryans ve Standart SapmaÖrneklem mi, Anakütle mi?En Sık Görülen DeğerÖzet: Teslimat Süreleri4Örneklemler ve Anakütleler
Anakütle ve ÖrneklemÖrneklem Ortalamaları DeğişirÖrnekleme DağılımıDaha Büyük Örneklemler, Daha Az GürültüÖzet: Bir Kasabada Anket Yapmak7Eğilim Doğruları
ArtıklarEn Küçük Kareler UydurmasıUydurma Doğrusunu ÇizmeBir Doğruyla Tahmin YapmaUydurma Ne Kadar İyi?Tekrar: Alıştırma Saatleri10Kategorileri Kodlama
Sayılar Olarak KategorilerOne-Hot EncodingSayıları Gruplara AyırmaÖzet: Araba İlanları2Dağılımlar
Yoğunluk HistogramlarıVeri Dağılımlarının ŞekilleriNormal Eğri68-95-99,7 KuralıZ PuanlarıÖzet: Pil Ömrü5Aykırı Değerler
Kutu GrafikleriIQR KuralıZ-Skoru KuralıAykırı Değerleri Ele AlmaÖzet: Sensör Hataları8Grupları Karşılaştırma
Gruplara Göre Kutu GrafikleriOrtalamalar Arasındaki FarkŞans Eseri Olabilir mi?P-Değerlerit-TestiÖzet: A/B Testi11Bir Veri Kümesini Keşfetmek
İlk BakışTüm Özellikler Bir AradaÖzellikler ve EtiketEn İyi İki ÖzellikÖzet: Diyabet Verileri3Simülasyonla Olasılık
Frekans Olarak OlasılıkBüyük Sayılar YasasıZarların ToplamıBeklenen DeğerKoşullu OlasılıkTekrar: Zar Tezgâhının Olasılıkları6İlişkiler
Dağılım Grafiklerini OkumaKorelasyonKorelasyon MatrisiKorelasyon Isı HaritalarıKorelasyon Nedensellik DeğildirÖzet: Dondurma ve GüneşKendi başına pratik yap: Online Python derleyicisi