Machine Learning - Data Distribution

ການກະຈາຍຂໍ້ມູນ

ໃນຊ່ວງກ່ອນທີ່ພວກເຮົາກໍາລັງຮຽນຊົນປະຫວັດຂອງພວກເຮົາພຽງແຕ່ນຳໃຊ້ຂໍ້ມູນຈຳນວນນ້ອຍຫຼາຍເພື່ອຄວາມເຂົ້າໃຈຕໍ່ຄວາມຄິດທີ່ຫຼາຍຫຼາຍ.

ໃນໂລກຄົນຈະມີຂໍ້ມູນທີ່ຫຼາຍຫຼາຍຫຼາຍຫຼາຍເທົ່ານັ້ນແຕ່ພວກເຮົາຈະມີຄວາມຫຍຸ້ງຍາກໃນການກວບກາບຂໍ້ມູນໂລກຄົນໃນການສະທ້ອງການບັນຕິດຂອງໂປຣເຈັດອາດວຍສະທ້ອງການບັນຕິດ.

ພວກເຮົາຈະໄດ້ຮັບຂໍ້ມູນຂະໜາດໃຫຍ່ຫຼາຍຫຼາຍຫຼືບໍ່?

ເພື່ອສ້າງຂໍ້ມູນຂອງຂະແໜງການທົດລອງຍັງໃຫຍ່ຂຶ້ນພວກເຮົານຳໃຊ້ສະມາຊິກ Python NumPy ຊຶ່ງມີຫຼາຍການສ້າງຂໍ້ມູນສະແດງລູກບັງລຸທີ່ສາມາດຈະສ້າງຂອງຂະແໜງການທີ່ຈະມີຂະໜາດທີ່ຫຼາຍຫຼາຍ.

实例

ສ້າງອານຸຍາດທີ່ມີ 250 ຄັນຂອງຈຳນວນສະແດງລູກບັງລຸທີ່ຢູ່ລະຫວ່າງ 0 ແລະ 5:

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

运行实例

ການອັດຕາສະແດງ

ເພື່ອສະແດງຄວາມແຜ່ມມູນຂອງຂໍ້ມູນພວກເຮົາສາມາດສະແດງການອັດຕາສະແດງຂອງຂໍ້ມູນທີ່ຖືກກັກຂັບ.

ພວກເຮົາຈະນຳໃຊ້ສະມາຊິກ Python Matplotlib ເພື່ອສະແດງການອັດຕາສະແດງ:

实例

ການສະແດງການອັດຕາສະແດງ

import numpy
import matplotlib.pyplot as plt
x = numpy.random.uniform(0.0, 5.0, 250)
plt.hist(x, 5)
plt.show()

结果：


运行实例

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。

等等。

我们得到的结果是：

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

注释：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。

大数据分布

包含 250 个值的数组被认为不是很大，但是现在您知道了如何创建一个随机值的集，并且通过更改参数，可以创建所需大小的数据集。

实例

创建一个具有 100000 个随机数的数组，并使用具有 100 栏的直方图显示它们：

import numpy
import matplotlib.pyplot as plt
x = numpy.random.uniform(0.0, 5.0, 100000)
plt.hist(x, 100)
plt.show()

运行实例