جلسهی 19: آمار که مدل میسازد Statistics that Build Models
میانگین، میانه و پراکندگی سه عددی هستند که یک ستون کامل را خلاصه میکنند؛ مدلهای یادگیری ماشین از همین خلاصهها ساخته میشوند. با turtle هم نمودار میلهای میکشیم.
در این جلسه یاد میگیری
- در پایان این جلسه میتوانم میانگین و میانه را حساب کنم و بگویم کدام در برابر عدد پرت مقاومتر است.
- در پایان این جلسه میتوانم پراکندگی (دامنه و انحراف میانگین) را حساب کنم.
- در پایان این جلسه میتوانم با ماژول
statisticsهمینها را سریع بگیرم. - در پایان این جلسه میتوانم با turtle یک نمودار میلهای ساده بکشم.
درس
یک ستون ۳۰ عددی را نمیشود یکجا در ذهن نگه داشت. برای همین آن را با چند عدد خلاصه میکنیم. اولین خلاصه را میشناسی: میانگین، یعنی جمع تقسیم بر تعداد. هر مدلی که در این دوره ساختیم، پشت پرده همینطور داده را خلاصه میکند.
scores = [14, 17, 18, 12, 19, 15]
mean = sum(scores) / len(scores)
print(mean) # 15.833...
print(round(mean, 1)) # 15.8میانگین یک نقطهضعف دارد: یک عدد پرت آن را میکشد. اگر نمرههای ۱۴، ۱۵، ۱۶ باشند میانگین ۱۵ است؛ اما اگر یک نفر به اشتباه ۱۵۰ ثبت شود، میانگین میشود ۴۸! میانه این مشکل را ندارد: عددها را مرتب کن و عدد وسط را بردار. اگر تعداد زوج بود، میانگین دو عدد وسط.
def median(values):
s = sorted(values)
n = len(s)
if n % 2 == 1:
return s[n // 2]
return (s[n // 2 - 1] + s[n // 2]) / 2
print(median([14, 15, 16])) # 15
print(median([14, 15, 150])) # 15 (not fooled!)
print(median([12, 14, 15, 17])) # 14.5خلاصهی دوم: پراکندگی. دو کلاس میتوانند میانگین یکسان ۱۵ داشته باشند، ولی در یکی همه بین ۱۴ و ۱۶ باشند و در دیگری از ۵ تا ۲۰. سادهترین اندازهی پراکندگی دامنه است: بیشترین منهای کمترین.
a = [14, 15, 16, 15, 15]
b = [5, 20, 15, 10, 25]
print(sum(a) / len(a), sum(b) / len(b)) # 15.0 15.0
print(max(a) - min(a)) # 2
print(max(b) - min(b)) # 20اندازهی بهتر: انحراف میانگین، یعنی به طور متوسط هر عدد چقدر از میانگین دور است. فاصلهی هر عدد تا میانگین را با abs مثبت کن، جمع بزن و تقسیم بر تعداد کن. در آمار واقعی از نسخهی مربعیاش، «انحراف معیار»، استفاده میشود؛ ایده همین است.
def mean_deviation(values):
m = sum(values) / len(values)
total = 0
for v in values:
total = total + abs(v - m)
return total / len(values)
print(mean_deviation([14, 15, 16, 15, 15])) # 0.4
print(mean_deviation([5, 20, 15, 10, 25])) # 6.0پایتون ماژول statistics دارد که همهی اینها را آماده دارد: mean، median، stdev (انحراف معیار). حالا که خودت نوشتی و میفهمی داخلش چیست، میتوانی از آمادهها استفاده کنی.
import statistics
scores = [14, 17, 18, 12, 19, 15]
print(statistics.mean(scores)) # 15.833333333333334
print(statistics.median(scores)) # 16.0
print(round(statistics.stdev(scores), 2)) # 2.64عدد تنها حس خوبی نمیدهد؛ نمودار میدهد! با turtle یک نمودار میلهای میکشیم: برای هر عدد یک مستطیل که ارتفاعش همان عدد (ضرب در یک مقیاس) است. تابع bar(x, height) یک میله میکشد و حلقه آن را برای همهی عددها صدا میزند.
import turtle
t = turtle.Turtle()
t.speed(0)
def bar(x, height):
t.penup()
t.goto(x, -100)
t.pendown()
t.begin_fill()
for side in [height, 30, height, 30]:
t.forward(side)
t.left(90)
t.end_fill()
scores = [14, 17, 18, 12, 19, 15]
x = -150
for s in scores:
t.setheading(90)
bar(x, s * 10)
x = x + 50اشتباه رایج: میانه را بدون مرتب کردن برداشتن؛ عدد وسطِ لیستِ نامرتب هیچ معنایی ندارد. اشتباه دوم: در پراکندگی، v - m را بدون abs جمع زدن؛ مثبت و منفیها همدیگر را خنثی میکنند و همیشه صفر میشود.
مثالهای این جلسه
- مثال لیست (هوش مصنوعی با پایتون): scores = [14, 17, 18, 12, 19, 15]
- مثال تابع (هوش مصنوعی با پایتون): def median(values):
- مثال لیست (هوش مصنوعی با پایتون): a = [14, 15, 16, 15, 15]
- مثال تابع (هوش مصنوعی با پایتون): def mean_deviation(values):
- مثال لیست (هوش مصنوعی با پایتون): scores = [14, 17, 18, 12, 19, 15] — آمار که مدل میسازد
- مثال turtle (هوش مصنوعی با پایتون): t = turtle.Turtle()
چالشها
- Mean vs Median (آسان)
- The Range (آسان)
- Median by Hand (متوسط)
- Mean Deviation (متوسط)
- Bar Chart (سخت)
- Summary Report (سخت)
بیشتر بخوان
- لیست در پایتون: آموزش کامل list با مثال، متدها و نکتهها
- تابع در پایتون: آموزش def، پارامتر و return با مثال
- آموزش turtle پایتون: نقاشی با لاکپشت قدمبهقدم با مثال
← جلسهی 18: تمیز کردن داده جلسهی 20: پروژه: کارنامهی کلاس →