Scipy -Statistiken verzerrt

In der heutigen Ära der hochmodernen Technologien hat die Nachfrage nach der Programmiersprache der Hochleistungsebene zugenommen. Python erweist sich als das Beste aller Programmiersprachen, da es für die einfachen und anfängerfreundlichen Funktionen aus der Liste der Bibliothekspakete für die Implementierung und die Ausführung der Softwareprogramme eine Menge zu bieten hat. Python ist das beste Programmierwerkzeug für die Analyse großer und großer Datensätze für Rechenzwecke und objektorientierte Strukturen. Python verfügt über eine Bibliothek mit dem Namen „Scipy“, um mit der Bereitstellung der Deep -Learning -Modelle, der Schulung des Modells für die Anwendungen für maschinelles Lernen, den mathematischen Operationen und den Optimierern umzugehen.

Scipy -Statistiken „Sack“ ist die Methode, mit der die Asymmetrie in der Verteilung der Variablen im Datensatz gesucht wird. Skewness definiert, wie die Variable im Spitzenverteiler verteilt ist und ob der Verteilungsschwanz auf der rechten Seite dicker ist.

Verfahren

Die Prozedur des Artikels besteht aus aufeinanderfolgenden Schritten. Zunächst wird die Syntax für die scipy STAT -SWEW -Funktion erklärt. Dann wird der Ausführungsprozess für diese Funktion im Python -Code im Artikel angezeigt. Schließlich werden wir den Artikel abschließen, indem wir die Ergebnisse der Implementierung der Funktion diskutieren. Alle Programme werden in der Online -Plattform für Python I geschrieben.e. "Google Collaby". Um mit dieser Plattform zu beginnen, müssen wir zur Webadresse https: // colab navigieren.Forschung.Google.com/.

Syntax

Die Funktion "$ scipy.Statistiken.SCEW (Array, Axis = 0, Bias = True)”Wird verwendet, um die Schiefe für die Zufallsvariable in einem Datensatz zu berechnen

Der Parameter „Array“ in der Argumentliste der STATS -Schein wird durch ein Eingabebereich oder den Datensatz ersetzt, dessen Schiefe wir bestimmen möchten. Die „Achse“ ist diese Achse, wo oder entlang der die Schiefe berechnet werden soll und ihr Standardwert "0" ist. Die Verzerrung wird immer auf den Booleschen Typ „wahr“ als statistischer Wert eingestellt.

Rückgabewert

Die Funktion gibt einen Wert zurück, der uns wissen lässt, ob die Verteilung positiv, negativ oder null nach der Normalverteilung verzerrt ist.

Beispiel # 01

Die Schiefe ist die Maßnahme zur Analyse der Asymmetrie in der Verteilung der Daten. Lassen Sie uns diese Funktion nur untersuchen und ein praktisches Beispiel für diese Funktion durchführen, indem wir einige hypothetische Daten annehmen und definieren und dann verteilt, um nach seiner Schiefe zu überprüfen. Um das Beispiel zu initialisieren, leiten Sie dort die Google Collaby und erstellen Sie dort ein neues Notizbuch, um ein Python -Programm darauf für das Beispiel zu schreiben. Um die Bibliotheken zu importieren, die verwendet werden, um das Attribut oder das Modul „Statistiken scw ()“ zu verwenden, schreiben wir die allererste Zeile in das Python -Skript als „aus Scipy. Statistiken importieren die Schräge “und erstellen Sie die Array-Import-Bibliothek importieren, da diese Bibliothek mit dem mehrdimensionalen Array und seiner Operationen zusammenarbeitet.

Importieren Sie also den „Numpy als Präfix NP“. Die letzte importierende Bibliothek ist „pylab“ und dann werden wir auf das Pylab als „PLT“ zugreifen, um die Verteilung entlang einer Achse zu zeichnen, um die Schiefe in dieser Verteilung visuell zu identifizieren. Jetzt werden wir ein zweidimensionales Array erstellen und dann die Schiefe für das Array basierend auf der Achse berechnen, da das 2D-Array insgesamt zwei Achsen hat. Einer wird auf standardmäßig als "Null" gesetzt und der Wert des anderen, den wir als "1" definieren müssen,. Also werden wir zuerst den Schräg für das 2D -Array mit einer Achse auf Null berechnen, und anschließend werden wir den Achsenwert auf „1“ einstellen, um die Schiefe für diese Achse zu berechnen. Definieren Sie ein 2D-Array mit dem „NP des Numpy's“. Array ([]) Methode und bestehen die Elemente als „([3, 4, 6, 8, 9], [1, 2, 5, 7,4], [9, 10, 4, 5, 6]) ", Speichern Sie den Wert dieses Arrays in der Variablen als" Array_Skew ". Rufen Sie dann aus dem Statistic -Modul die Funktion auf Subwaw () auf und geben Sie den Array -Namen als "Array_Skew" in den Argumenten der SWEW -Funktion als "array_skew" an. Der Achsenwert in einem solchen Aufruf ist die Standardeinstellung auf den Wert "Null" und prüft die Ergebnisse.

Wir können erneut dasselbe Array verwenden und es an die Funktion von Skew () übergeben, diesmal jedoch mit dem Parameter Achse, der auf den Wert „1“ eingestellt und durch das Komma in der Argumentliste der SWEW () -Funktion getrennt ist. Der Code und die Ausgabe für dieses Programm sind unten angegeben.

Die Funktion berechnet für den ersten Ruf der SWEW -Funktion einige Werte der Schiefe entlang der Achse „0“, und der zweite Funktionsaufruf der Versatzmethode gibt den Wert der Schiefe für das gesamte Array entlang der Achse „1“ zurück.

Beispiel # 02

Die vorherige Exadata gab die verzerrten Werte für das Array nur zurück. Importieren Sie die „aus Scipy. Statistitiert das SWEW -Modul “, das„ NP “bildet das Numpy, um das Array zu definieren.

Nach dem Import dieser Bibliotheken definieren wir die Achse „0“ als das Array mit dem Wert „NP“. Linspace (-4, 8.5, 1000) ”. Dann definieren wir eine andere Achse als „Achse1“ und übergeben den Wert der Achse0 an die Achse 1 als „1./(np. SQRT (2.*np.pi)) * np. exp ( -.4*(axis0) ** 2) ”. Jetzt werden wir beide Achsen verwenden und mit Hilfe des PLT -Moduls des Pylabs werden wir die Ergebnisse der Schiefe aufweisen, indem wir die Achse1 und die Achse0 an die Argumentliste der Handlungsfunktion als „PLT“ übergeben. Diagramm (Axis0, Axis1,*) ”und dann die Ergebnisse als„ Print (“scew_value:“, sack (axis1)) “anzeigen“ “. Der Wert für die SWEW -Funktion wird als positive Zahl zurückgegeben, was bedeutet, dass die Verteilung positiv verzerrt ist.

Abschluss

Die Implementierung der „Scipy .Statistiken skew () “wird im Artikel angezeigt. Der Artikel erläutert das Konzept der Schiefe, indem er eine Einführung zur Rolle der Schiefe bei der Verteilung der Daten gibt. Dann erklärt es die Syntax dafür im Python -Skript und demonstriert zwei Beispiele, um die Leser das Konzept des Themas gründlich zu erfassen.