Yüzdelikler ve Çeyrekler
Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 2 / 64.
Bir yüzdelik dilim sıralanmış verileri böler: 25. yüzdelik dilim yolun dörtte biri kadar yukarıda, 50. yüzdelik dilim ise medyandır. Dokuz kaçış odası süresi:
Veriyi dört parçaya bölen kesim noktaları, Q1, Q2 ve Q3 çeyrekleridir. np.percentile(a, q), q için 0 ile 100 arasında bir değer veya bir liste alır:
times = np.array([52, 38, 61, 45, 70, 41, 95, 58, 49])
print(np.percentile(times, [25, 50, 75]))Bu şu çıktıyı verir:
[45. 52. 61.]Ortadaki yarı Q1'den Q3'e kadar uzanır; genişliği çeyrekler arası aralık, Q3 - Q1: 16 saniyedir.
En yavaş süreyi 950 yapın: IQR 16 olarak kalır. Bir özellikte uç değerler olduğunda buna güvenin.
Görev
KolayBir müşteri, su kullanımının sokağındaki 20 evin su kullanımıyla nasıl karşılaştırıldığını soruyor. use, evlerin litre cinsinden kullanım değerlerini tutar ve program müşterinin değerini okur. Şunları yazdırın:
usedeğerlerinin çeyrekleri: Q1, medyan, Q3.- IQR.
- Müşterinin çeyreği: Q1'in altındaysa 1, medyanın altındaysa 2, Q3'ün altındaysa 3, aksi takdirde 4.
12 evlik bir sokak ve 172 girdisi için:
Quartiles: 157.5, 170.5, 183.5 liters
IQR: 26.0 liters
This home is in quarter 3Kendin dene
import numpy as np
# Her evin dün kullandığı su miktarı (litre)
use = np.array([312, 285, 410, 198, 356, 274, 520, 301, 289, 345,
262, 398, 230, 610, 327, 295, 368, 251, 334, 280])
liters = int(input())
# Kodunuzu aşağıya yazın
Bu 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