数据的形状

本课属于 Coddy Machine Learning 学习旅程的“机器学习统计学”单元。第 8 课，共 64 课。

直方图的轮廓就是数据的形状，它能告诉你该相信哪个汇总值：

三个并排的直方图。左偏：左侧有一条长尾，均值线在中位数线下方。对称：均值和中位数在中间重合。右偏：右侧有一条长尾，均值在中位数上方

长尾会把均值拉向自己，而中位数仍然靠近大多数数据。11 位访客在页面上停留的秒数：

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

这会输出：

35.5 20.0

均值高于中位数：右偏，尾部有较大的值。均值低于中位数：左偏。两者接近：对称。

偏斜是训练前的一个警告：少数极端数据行远离其他数据行，均值几乎不能代表任何数据行。

挑战

简单

在使用 150 名玩家的日志进行训练之前，游戏团队会检查 players.csv 中每一列的分布形状。按顺序为每一列输出列名、均值（保留 1 位小数）、中位数和判断结果：

均值比中位数高出 2 以上时，判断为右偏；
均值比中位数低 2 以上时，判断为左偏；
其他情况则判断为对称。

另一个游戏的日志示例如下：

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

亲手试试

import numpy as np
import pandas as pd

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

# 在下方编写你的代码

自我测试

这节课包含一个小测验。开始学习即可作答，并记录你的进度。

机器学习统计学中的所有课

自己练习： Python 在线编译器