网站自定义代码,河南企业做网站,wordpress 自适应,网络营销的平台有哪些文章目录 一、说明二、统计概述三、描述性统计与推断性统计3.1 描述统计学3.2 推论统计 四、描述性统计中的均值、中位数和众数 一、说明
机器学习中的统计 随着我们深入研究机器学习领域#xff0c;了解统计学在该领域的作用至关重要。统计学是机器学习的支柱#xff0c;它… 文章目录 一、说明二、统计概述三、描述性统计与推断性统计3.1 描述统计学3.2 推论统计 四、描述性统计中的均值、中位数和众数 一、说明
机器学习中的统计 随着我们深入研究机器学习领域了解统计学在该领域的作用至关重要。统计学是机器学习的支柱它提供了理解数据和获得有意义见解的工具和方法。在这篇文章中我们将探讨统计的定义、它在机器学习中的重要性以及描述性统计和推理统计之间的区别。
二、统计概述
统计学是数学的一个分支涉及数据的收集、分析、解释、表示和组织。它提供了一个基于数据做出决策和预测的框架。在机器学习的背景下统计学可以帮助我们理解我们正在处理的数据准确地对其进行建模并得出可靠的结论。
机器学习中的定义和重要性 统计学可以定义为从数据中学习的科学。它涉及设计实验和调查、收集数据、总结信息和进行推理的方法。在机器学习中统计数据至关重要因为 数据理解在构建任何机器学习模型之前了解数据很重要。统计技术有助于汇总和可视化数据揭示模式、异常和关系。 模型构建统计模型构成了许多机器学习算法的基础。回归、分类和聚类等技术都源于统计方法。 模型评估Statistics 提供指标和测试来评估机器学习模型的性能。这可确保模型可靠且预测准确。 推理和预测通过统计推理我们可以根据样本数据对总体进行预测。这在机器学习中进行预测或识别趋势时特别有用。
三、描述性统计与推断性统计
统计学大致可分为两种类型描述性统计和推论统计。两者都在数据分析过程中发挥着重要作用但它们的用途不同。
3.1 描述统计学
描述性统计总结并描述数据集的主要特征。它们提供有关样本和度量的简单摘要。这些摘要可以是图形或数字。以下是一些关键概念
集中趋势的测量这些值包括平均值 平均值、中位数 中间值 和众数 最频繁的值它们有助于识别数据集的中心。离差度量 这些指标包括范围最大值和最小值之间的差值、方差和标准差它们表示数据中的散布或可变性。数据可视化直方图、箱形图和散点图等图形表示有助于可视化数据并识别模式或异常值。
描述性统计提供了一种以合理的方式简化大量数据的方法。每个描述性统计数据都将大量数据简化为更简单的摘要。
3.2 推论统计
描述性统计旨在总结手头的数据而推论统计用于从数据样本中对更大的总体进行预测或推断。这包括
采样从总体中选择一个代表性群体以得出有关整个总体的结论。假设检验对总体提出主张或断言并通过数据分析检验这些主张。置信区间 提供可能包含相关群体参数的值范围。回归分析了解变量之间的关系并进行预测。
推论统计使我们能够对总体做出概率陈述并了解与我们的结论相关的不确定性。
四、描述性统计中的均值、中位数和众数
在分析数据时了解其中心趋势至关重要。集中趋势的度量提供表示数据集的中心点或典型值的单个值。三种最常见的度量是均值、中位数和众数。每个 Cookie 都提供了独特的见解并在不同的上下文中非常有用。让我们深入研究这些度量中的每一个。
意味 着 平均值通常称为平均值是数据集中所有值的总和除以值的数量。它是一个度量值它提供表示数据分布中心点的单个值。
均值公式
这里
xi 表示数据集中的每个值。 n 是数据集中值的数目。 示例 考虑数据集5、10、15、20、25
平均值 5 10 15 20 25 / 5 75/5 15
Python 代码
import numpy as np
from scipy import statsdata np.array([5, 10, 15, 20, 25])# Calculate the mean
mean np.mean(data)print(Mean:, mean)
# Mean: 15.0优点
易于计算和理解。使用所有数据点提供全面的度量。
缺点
对异常值敏感异常值会显着扭曲平均值。
中位数 中位数是数据集的中间值当值按升序或降序排列时。如果观测值数为偶数则中位数是两个中间数字的平均值。
查找中位数的步骤 1。按升序排列数据。 2. 确定中间值。
示例 考虑数据集5、10、15、20、25。
按升序排列已完成 5 10 15 20 25 2.中间值中位数为 15。
python 中的代码import numpy as np
from scipy import statsdata np.array([5, 10, 15, 20, 25])# Calculate the median
median np.median(data)print(Median:, median)
# Median: 15.0注意 对于偶数个观测值请考虑数据集5、10、15、20。
按升序排列 5 10 15 20 2.中间值为 10 和 15。中位数 10 15 / 2 12.5
优点
不受异常值的影响使其成为集中趋势的稳健衡量标准。在偏态分布中更准确地反映数据集的中心。
缺点
没有利用所有数据点可能会忽略有价值的信息。
模式 mode 是数据集中出现频率最高的值。数据集可能具有一种模式、多个模式或者如果没有数字重复则根本没有模式。
示例 考虑数据集5、10、15、20、20、25
模式为 20因为它出现得最频繁。
python 中的代码
import numpy as np
from scipy import statsdata np.array([5, 10, 15, 20, 25])# Calculate the mode
mode stats.mode(data)print(Mode:, mode.mode)
# Mode: 5优点
易于识别。对于我们希望了解最常见类别的分类数据很有用。
缺点
可能不是唯一的;多种模式会使解释复杂化。并不总是代表数据集尤其是连续数据。
选择正确的度量
平均值非常适合没有异常值的对称分布。中位数最适合偏态分布或具有异常值的数据。模式 对于分类数据以及识别数据集中最常见的值非常有用。
了解这些集中趋势的度量对于任何数据分析都至关重要为更高级的统计技术和数据驱动的决策奠定了基础。通过选择合适的度量您可以更好地解释数据并提取有意义的见解。
在我们的机器学习之旅中我们在第 33 期中探讨了集中趋势的测量。
