机器学习 - 标准差

Je, ni nini uangalifu wa msingi?

Uangalifu wa msingi (Standard Deviation, kwa ujumbe huzungumza kwa uangalifu wa msingi) ni thamani inayoshughulikia uwanafikio wa thamani.

Uangalifu wa msingi wa kibaya inaeleza kwamba kasi kubwa inaonekana kwenye kawaida (kawaida).

Uangalifu wa msingi wa kipya inaeleza kwamba thamani hizi zinaenea kwa mawendo ambapo zimeenea sana.

Mfano: Tarehe hii tumekaribisha kasi ya 7 kati ya mashimo:

speed = [86,87,88,86,87,85,86]

Uangalifu wa msingi ni:

0.9

Hii inaeleza kwamba kasi kubwa inaonekana kwenye mawendo ya kawaida ya 0.9, i.e. 86.4.

Tumia thamani zingine za kawaida:

speed = [32,111,138,28,59,77,97]

Uangalifu wa msingi ni:

37.85

Hii inaeleza kwamba kasi kubwa inaonekana kwenye mawendo ya kawaida (kawaida ni 77.4) ya 37.85.

Kama inavyotajwa, uangalifu wa msingi wa kipya inaeleza kwamba thamani hizi zinaenea kwa mawendo ambapo zimeenea sana.

Moduli ya NumPy ina mwendo wa kufaiza uangalifu wa msingi:

实例

Tumia NumPy std() Mwendo wa kufaiza uangalifu wa msingi:

import numpy
speed = [86,87,88,86,87,85,86]
x = numpy.std(speed)
print(x)

运行实例

实例

import numpy
speed = [32,111,138,28,59,77,97]
x = numpy.std(speed)
print(x)

运行实例

Maviringo ya kina

Maviringo ya kina ni thamani zingine, inaeleza uwanafikio wa thamani.

Kwa hivyo, kama inafaa kufaiza ukosemu wa mviringo wa kina, hii inakuwa uangalifu wa msingi!

��autofanana, kama inafaa kufaiza uangalifu wa mviringo wa msingi, hii inakuwa mviringo wa kina!

Kwa kumataza mviringo, inafaa kufanya hivi:

1. Tumia kilele:

(32+111+138+28+59+77+97) / 7 = 77.4

2. Kwa kila thamani: chukua kilele kwa thamani ya kawaida:

 32 - 77.4 = -45.4
111 - 77.4 =  33.6
138 - 77.4 =  60.6
 28 - 77.4 = -49.4
 59 - 77.4 = -18.4
 77 - 77.4 = - 0.4
 97 - 77.4 =  19.6

3. Kwa kila kilele: chukua ukosemu kweli:

(-45.4)2 = 2061.16 
 (33.6)2 = 1128.96 
 (60.6)2 = 3672.36 
(-49.4)2 = 2440.36 
(-18.4)2 =  338.56 
(- 0.4)2 =    0.16 
 (19.6)2 =  384.16

4. 方差是这些平方差的平均值：

(2061.16+1128.96+3672.36+2440.36+338.56+0.16+384.16) / 7 = 1432.2

幸运的是，NumPy 有一种计算方差的方法：

实例

使用 NumPy var() 方法确定方差：

import numpy
speed = [32,111,138,28,59,77,97]
x = numpy.var(speed)
print(x)

运行实例

标准差

如我们所知，计算标准差的公式是方差的平方根：

√ 1432.25 = 37.85

或者，如上例所示，使用 NumPy 计算标准差：

实例

请使用 NumPy std() 方法查找标准差：

import numpy
speed = [32,111,138,28,59,77,97]
x = numpy.std(speed)
print(x)

运行实例

符号

标准差通常用 Sigma 符号表示：σ

方差通常由 Sigma Square 符号 σ2 表示

章节总结

标准差和方差是机器学习中经常使用的术语，因此了解如何获取它们以及它们背后的概念非常重要。