Hình dạng của dữ liệu

Thuộc phần Thống kê cho machine learning trong hành trình Machine Learning của Coddy. Bài học 8 trên 64.

Đường viền của biểu đồ tần suất thể hiện hình dạng của dữ liệu và cho bạn biết nên tin vào số liệu tóm tắt nào:

Ba biểu đồ tần suất đặt cạnh nhau. Lệch trái: đuôi dài về bên trái, đường biểu diễn giá trị trung bình nằm dưới đường trung vị. Đối xứng: giá trị trung bình và trung vị nằm cùng nhau ở giữa. Lệch phải: đuôi dài về bên phải, giá trị trung bình lớn hơn trung vị

Giá trị ngoại lệ kéo giá trị trung bình về phía nó, còn trung vị vẫn nằm giữa nhóm đông. Số giây mà mười một khách truy cập dành trên một trang:

visits = np.array([8, 12, 15, 15, 18, 20, 22, 25, 40, 75, 140])
print(np.round(visits.mean(), 1), np.median(visits))

Lệnh này in ra:

35.5 20.0

Trung bình cao hơn trung vị: lệch phải, có đuôi gồm các giá trị lớn. Trung bình thấp hơn: lệch trái. Hai giá trị gần nhau: đối xứng.

Độ lệch là lời cảnh báo trước khi huấn luyện: một vài hàng có giá trị cực đoan nằm cách xa phần còn lại, và giá trị trung bình gần như không đại diện cho ai.

Thử thách

Dễ

Trước khi huấn luyện trên nhật ký của 150 người chơi, nhóm phát triển trò chơi kiểm tra hình dạng của từng cột trong players.csv. Với mỗi cột, theo thứ tự, hãy in tên cột, giá trị trung bình (1 chữ số thập phân), trung vị và kết luận:

lệch phải khi giá trị trung bình lớn hơn trung vị hơn 2 đơn vị,
lệch trái khi giá trị trung bình nhỏ hơn trung vị hơn 2 đơn vị,
đối xứng trong các trường hợp còn lại.

Với nhật ký của một trò chơi khác:

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, symmetric

Tự làm thử

import numpy as np
import pandas as pd

players = pd.read_csv("players.csv")

# Viết code của bạn bên dưới

Tự kiểm tra

Bài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.

Tất cả bài học trong Thống kê cho machine learning

Tự luyện tập: Trình biên dịch Python online