【Udacity】数据的集中程度:众数、平均数和中位数

  • 重视Code Review
  • 极致——目标是成为优秀的开发者
  • Data tells a story!(数据会讲故事)

分析过程对于建模非常的重要,可以帮助我们减少实际上不相关的特征被错误的加入到模型中,尽管在一些模型里,比如线性回归,在建模后期可以通过一定的方法将这些不相关的特征识别出来,但既然能够通过前期的数据观察排除,何不在一开始就做好呢,有句话在建模领域非常有名:garbage in, garbage out

数据的中心:众数、平均数和中位数

  • 要点:模型构建&验证比较模型

一、Why?

  • 为什么要学习统计的基本概念

一些统计学基本概念,如何用众数,平均数和中位数衡量数据的中心,如何用值域,IQR,方差/标准差来衡量数据的差异。你很有可能已经熟知所有这些统计概念的定义,那么不妨你可以思考一下:

  • 为什么我们需要多个指标?
  • 这多个指标如何演化而来?
  • 他们之间的优劣是什么?
  • 针对不同的数据集,我应该如何如何选择最适合的指标?

这样的思考会贯穿在整个机器学习过程中,当你学习了多个模型的衡量指标,当你学了多个机器学习的算法。如何比较他们的优劣,如何选择最合适的算法将会是我们一直在讨论的问题。

What?

  • Measures of center(中心测量方法)——描述分布中心的情况(集中程度)

    二、众数(Mode)

    2.1 定义:

众数是指一组数据中出现频率最高(the highest frequency)的那个数据(从x-axis寻找)。一组数据可以有多个众数,也可以没有众数。

众数是由英国统计学家皮尔生首先提出来的。所谓众数是指社会经济现象中最普遍出现的标志值。从分布角度看,众数是具有明显集中趋势的数值。

  • 均匀分布没有众数
  • 多峰分布可以有多个众数

【Udacity】数据的集中程度:众数、平均数和中位数

三、平均数(Mean)
  • sample样本均值 x bar x横
  • population总体均值 μ
    ** Mean和Average区别**

【Udacity】数据的集中程度:众数、平均数和中位数

概念对比 Mean&Average

Mean&Average

四、中位数

  • 众数不受异常值影响,而平均值容易受异常值影响
  • 寻找一个两全齐美的方法——中位数Median

  • Robust 稳健性

上一篇:Centos7 中文乱码


下一篇:swing自定义border