Yoğunluk Histogramları

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 7 / 64.

Bu bölüm verilerin şekli hakkındadır. Bölümün sonunda, bir histogramı çan eğrisine uyduracak ve aykırı değeri fark edeceksiniz:

Üzerinde düzgün bir turuncu çan eğrisi ve en hafif kavunun altında kırmızı bir nokta bulunan 300 kavun ağırlığının histogramı

Öncelikle bir düzeltme. Sayımlar, 500 yetişkinin tepki süreleri 50 oyuncununkiyle karşılaştırıldığında olduğu gibi, büyük bir grubun küçük bir grubu gölgede bırakmasına neden olabilir:

Aynı tepki sürelerini gösteren iki grafik. Solda, sayımlar: 500 yetişkin, çubukları zar zor görünen 50 oyuncuyu gölgede bırakıyor. Sağda, density=True: her iki grup da tümüyle görünüyor; oyuncular daha hızlı ve daha kümelenmiş

density=True her grubun çubuk alanlarının toplamını 1 olacak şekilde ölçeklendirir:

ax.hist(adults, bins=16, density=True, alpha=0.5, label="adults")
ax.hist(gamers, bins=16, density=True, alpha=0.5, label="gamers")

Her yükseklik count / (n * bin width) şeklindedir; bu nedenle bir çubuğun alanı, grubun içindeki payını gösterir. Artık her büyüklükteki gruplar adil bir şekilde karşılaştırılabilir.

Görev

Kolay

Bir şehir hastanesi 400 yenidoğanın, bir kırsal hastane ise 60 yenidoğanın ağırlığını ölçtü. Başlangıç kodu ağırlıkları city ve rural içinde tutuyor ve başlığı ile etiketleri ayarlanmış grafiği hazırlıyor.

Her grup için bins=10, alpha=0.5 ve city veya rural etiketiyle bir yoğunluk histogramı çiz.
Bir açıklama ekle ve grafiği göster.

Coddy grafiğini açıklıyor. İki domates yetiştiricisine ait şu grafiğe benzemeli:

Domates Ağırlıkları başlıklı, içi görünen iki yoğunluk histogramı: çiftlik domatesleri yaklaşık 90 ila 200 gram arasında, bahçe domatesleri daha hafif ve çoğunlukla 95 ila 145 gram arasında; bir açıklama da var

Kendin dene

import numpy as np
import matplotlib.pyplot as plt

# Aşağıdaki satırları değiştirmeyin
rng = np.random.default_rng(23)
city = np.round(rng.normal(3.4, 0.5, size=400), 2)
rural = np.round(rng.normal(3.2, 0.45, size=60), 2)

fig, ax = plt.subplots()
ax.set_title("Birth Weights")
ax.set_xlabel("Weight (kg)")
ax.set_ylabel("Density")

# Kodunuzu aşağıya yazın

Kendini test et

Bu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.

Makine Öğrenimi için İstatistik bölümündeki tüm dersler

2Dağılımlar

Yoğunluk HistogramlarıVeri Dağılımlarının Şekilleri Normal Eğri 68-95-99,7 Kuralı Z Puanları Özet: Pil Ömrü

5Aykırı Değerler

Kutu Grafikleri IQR Kuralı Z-Skoru Kuralı Aykırı Değerleri Ele Alma Özet: Sensör Hataları

8Grupları Karşılaştırma

Gruplara Göre Kutu Grafikleri Ortalamalar Arasındaki Fark Şans Eseri Olabilir mi?P-Değerleri t-Testi Özet: A/B Testi

11Bir Veri Kümesini Keşfetmek

İlk Bakış Tüm Özellikler Bir Arada Özellikler ve Etiket En İyi İki Özellik Özet: Diyabet Verileri

Kendi başına pratik yap: Online Python derleyicisi