(五)机器学习 - 数据分布

数据分布(Data Distribution)是指数据在不同值或值区间内的分布情况,它描述了数据点在整个数据集中是如何分散或集中的。数据分布可以通过多种方式来分析和表示,包括图形和数值方法。

常见的数据分布特征和描述数据分布的方法:

  1. 对称性

    • 对称分布:数据在均值(平均值)或中位数周围对称分布,即数据的左半部分是右半部分的镜像。正态分布是对称分布的一个典型例子。
    • 偏斜分布:数据不是对称的,可能向右(正偏斜)或向左(负偏斜)延伸。正偏斜意味着数据的尾部在右侧,而负偏斜意味着数据的尾部在左侧。
  2. 集中趋势

    • 均值(Mean):所有数据点的平均值。
    • 中位数(Median):将数据点按大小排序后位于中间位置的值。
    • 众数(Mode):数据集中出现次数最多的值。
  3. 离散程度

    • 方差(Variance):衡量数据点偏离均值的程度,方差越大,数据越分散。
    • 标准差(Standard Deviation):方差的平方根,与原始数据具有相同的单位,用于衡量数据的离散程度。
    • 极差(Range):数据集中最大值和最小值之间的差。
  4. 形状

    • 数据分布的形状可以是多种多样的,包括正态分布、偏斜分布、双峰分布、均匀分布等。
  5. 图形表示

    • 直方图(Histogram):用条形图表示数据在不同区间的频率或数量。
    • 箱线图(Boxplot):显示数据的最小值、第一四分位数(Q1)、中位数、第三四分位数(Q3)和最大值,以及可能的异常值。
    • 散点图(Scatter Plot):显示两个变量之间的关系。
    • 密度图(Density Plot):平滑的曲线,显示数据的分布密度。
  6. 数值表示:

    • 百分位数(Percentiles):数据中低于某个值的百分比。
    • 四分位数(Quartiles):将数据分为四等份,每份包含25%的数据点。

例子:

1、Ptython 创建一个包含 250 个介于 0 到 5 之间的随机浮点数的数组:

python 复制代码
import numpy

x = numpy.random.uniform(0.0, 5.0, 250)

print(x)

2、使用 Python 模块 Matplotlib 绘制直方图:

python 复制代码
import numpy
import matplotlib.pyplot as plt

x = numpy.random.uniform(0.0, 5.0, 250)

plt.hist(x, 5)
plt.show()

直方图解释:

我们使用上例中的数组绘制 5 条柱状图。

第一栏代表数组中有多少 0 到 1 之间的值。

第二栏代表有多少 1 到 2 之间的数值。

得到的结果是:

复制代码
52 values are between 0 and 1
48 values are between 1 and 2
49 values are between 2 and 3
51 values are between 3 and 4
50 values are between 4 and 5

数组值是随机数,不会在您的计算机上显示完全相同的结果。

END.

相关推荐
聚客AI1 天前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
BeerBear1 天前
【保姆级教程-从0开始开发MCP服务器】一、MCP学习压根没有你想象得那么难!.md
人工智能·mcp
小气小憩1 天前
“暗战”百度搜索页:Monica悬浮球被“围剿”,一场AI Agent与传统巨头的流量攻防战
前端·人工智能
神经星星1 天前
准确度提升400%!印度季风预测模型基于36个气象站点,实现城区尺度精细预报
人工智能
IT_陈寒1 天前
JavaScript 性能优化:5 个被低估的 V8 引擎技巧让你的代码快 200%
前端·人工智能·后端
Juchecar1 天前
一文讲清 PyTorch 中反向传播(Backpropagation)的实现原理
人工智能
黎燃1 天前
游戏NPC的智能行为设计:从规则驱动到强化学习的演进
人工智能
机器之心1 天前
高阶程序,让AI从技术可行到商业可信的最后一公里
人工智能·openai
martinzh1 天前
解锁RAG高阶密码:自适应、多模态、个性化技术深度剖析
人工智能
机器之心1 天前
刚刚,李飞飞空间智能新成果震撼问世!3D世界生成进入「无限探索」时代
人工智能·openai