Phương sai và độ lệch chuẩn
Thuộc phần Thống kê cho machine learning trong hành trình Machine Learning của Coddy. Bài học 3 trên 64.
.std() là khoảng cách điển hình so với giá trị trung bình. Ở đây, khoảng cách này được tính thủ công cho năm lần chiết xuất espresso:
Mỗi khoảng cách so với giá trị trung bình là một độ lệch. Các độ lệch triệt tiêu nhau thành 0, vì vậy hãy bình phương chúng rồi tính trung bình: đó là phương sai.
shots = np.array([24, 27, 25, 30, 24])
deviations = shots - shots.mean()
variance = (deviations ** 2).mean()
print(deviations)
print(variance, np.round(np.sqrt(variance), 2))Kết quả in ra là:
[-2. 1. -1. 4. -2.]
5.2 2.28Căn bậc hai của nó, độ lệch chuẩn, đưa đơn vị giây bình phương trở lại thành giây: 2.28. np.var(a) và np.std(a) thực hiện mỗi phép tính chỉ với một lần gọi.
Một đặc trưng có std bằng 0 không bao giờ thay đổi, vì vậy nó không cung cấp thông tin gì cho mô hình.
Thử thách
DễViệc kiểm soát chất lượng kiểm tra xem máy chiết nước ép vào chai có đồng đều không. Chương trình khởi đầu đọc sáu thể tích tính bằng ml và in ra kết quả mà spread_by_hand(a) trả về, bên cạnh kết quả của np.std. Hoàn thiện hàm đó để hàm trả về:
- phương sai: giá trị trung bình của bình phương các độ lệch so với giá trị trung bình của
a, - độ lệch chuẩn, căn bậc hai của phương sai.
Với các thể tích 1004, 996, 1011, 993, 1002 và 998:
Variance: 34.56 ml squared
Std: 5.88 ml
Same as np.std: TrueTự làm thử
import numpy as np
values = []
for i in range(6):
values.append(int(input()))
volumes = np.array(values)
# Trả về phương sai và độ lệch chuẩn của mảng (array) a
def spread_by_hand(a):
# Viết code ở đây, rồi trả về hai giá trị (value) thay cho 0, 0
return 0, 0
# Đừng thay đổi các dòng bên dưới
variance, std = spread_by_hand(volumes)
print(f"Variance: {np.round(variance, 2)} ml squared")
print(f"Std: {np.round(std, 2)} ml")
print("Same as np.std:", np.round(std, 2) == np.round(np.std(volumes), 2))
Tự kiểm traBài 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
1Giá trị trung tâm và độ phân tán
Giá trị trung bình và trung vịPhân vị và tứ phân vịPhương sai và độ lệch chuẩnMẫu hay tổng thể?Giá trị xuất hiện nhiều nhấtÔn tập: Thời gian giao hàng4Mẫu và tổng thể
Tổng thể và mẫuTrung bình mẫu biến thiênPhân phối mẫuMẫu lớn hơn, ít nhiễu hơnÔn tập: khảo sát một thị trấn2Các phân phối
Biểu đồ tần suất mật độHình dạng của dữ liệuĐường cong chuẩnQuy tắc 68-95-99,7Điểm ZÔn tập: Thời lượng pin3Xác suất qua mô phỏng
Xác suất dưới dạng tần suấtLuật số lớnTổng điểm khi gieo xúc xắcGiá trị kỳ vọngXác suất có điều kiệnÔn tập: Tỷ lệ thắng ở quầy xúc xắc6Mối quan hệ
Đọc biểu đồ phân tánTương quanMa trận tương quanBản đồ nhiệt tương quanTương quan không đồng nghĩa với quan hệ nhân quảÔn tập: Kem và mặt trờiTự luyện tập: Trình biên dịch Python online