สมัครเรียนโทร. 085-350-7540 , 084-88-00-255 , ntprintf@gmail.com

Tutorial Python Machine Learning

LM17PYTHON MACHINE LEARNING LM18PYTHON MACHINE LEARNING MEAN MEDIAN MODE LM19PYTHON MACHINE LEARNING STANDARD DEVIATION LM20PYTHON MACHINE LEARNING PERCENTILES LM21PYTHON MACHINE LEARNING DATA DISTRIBUTION LM22PYTHON MACHINE LEARNING NORMAL DATA DISTRIBUTION LM23PYTHON MACHINE LEARNING SCATTER PLOT LM24PYTHON MACHINE LEARNING LINEAR REGRESSION LM25PYTHON MACHINE LEARNING MULTIPLE REGRESSION LM25PYTHON MACHINE LEARNING POLYNOMIAL REGRESSION LM26PYTHON MACHINE LEARNING SCALE LM27PYTHON MACHINE LEARNING TRAIN TEST LM28PYTHON MACHINE LEARNING DECISION TREE

Machine Learning - Standard Deviation

เรียนเขียนโปรเเกรมง่ายๆกับ Expert Programming Tutor ในบท Macchine Learnning - Standard Deviation
ในเนื้อหานี้เราจะได้เรียนรู้เกี่ยวกับ ดังนี้
-ค่าเบี่ยงเบนมาตรฐานคือตัวเลขที่อธิบายถึงวิธีการกระจายค่า
-ค่าเบี่ยงเบนมาตรฐานต่ำหมายความว่าตัวเลขส่วนใหญ่ใกล้เคียงกับ mean (ค่าเฉลี่ย)
-ค่าเบี่ยงเบนมาตรฐานสูงหมายความว่าค่าจะกระจายออกไปในช่วงกว้างกว่า
ตัวอย่าง: เวลานี้เราได้ลงความเร็ว 7 คัน

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

ค่าเบี่ยงเบนมาตรฐานคือ

0.9

หมายความว่าค่าส่วนใหญ่อยู่ในช่วง 0.9 จากค่าเฉลี่ยซึ่งคือ 86.4
ให้เราทำแบบเดียวกันกับการเลือกตัวเลขที่มีช่วงกว้างขึ้น

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

ค่าเบี่ยงเบนมาตรฐานคือ

37.85

หมายความว่าค่าส่วนใหญ่อยู่ในช่วง 37.85 จากค่าเฉลี่ยซึ่งคือ 77.4
ดังที่นักเรียนเห็นค่าเบี่ยงเบนมาตรฐานที่สูงกว่าระบุว่าค่านั้นกระจายออกไปในช่วงที่กว้างขึ้น
โมดูล NumPy มีวิธีการคำนวณค่าเบี่ยงเบนมาตรฐาน
ตัวอย่าง
ใช้เมธอด NumPy std () เพื่อหาค่าเบี่ยงเบนมาตรฐาน

import numpy

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

ผลลัพธ์

0.9035079029052513

Variance
Variance(σ2) คือ ค่าความแปรปรวนของข้อมูลความแปรปรวน ความแปรปรวนเป็นตัวเลขอีกตัวหนึ่งที่บ่งชี้ว่าการกระจายค่าเป็นอย่างไร ที่จริงแล้วถ้านักเรียนหาสแควร์รูทของความแปรปรวนนักเรียนจะได้ค่าเบี่ยงเบนมาตรฐาน! หรือวิธีอื่น ๆ ถ้านักเรียนคูณค่าเบี่ยงเบนมาตรฐานด้วยตัวเองนักเรียนจะได้ความแปรปรวน! ในการคำนวณความแปรปรวนที่นักเรียนต้องทำดังนี้
 1.หาความหมาย

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

2.สำหรับแต่ละค่า หาความแตกต่างจากค่าเฉลี่ย

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.สำหรับความแตกต่าง หาค่าสแควร์

(-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.ความแปรปรวนคือจำนวนเฉลี่ยของความแตกต่างยกกำลังสองเหล่านี้

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

ใน NumPy มีวิธีการคำนวณความแปรปรวน มาให้
ตัวอย่าง
ใช้วิธี NumPy var() เพื่อหาความแปรปรวน

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

ผลลัพธ์ 

1432.2448979591834

ส่วนเบี่ยงเบนมาตรฐาน
ดังที่เราได้เรียนรู้สูตรการหาค่าเบี่ยงเบนมาตรฐานคือสแควร์รูทของความแปรปรวน

√1432.25 = 37.85

หรือตามตัวอย่างก่อนหน้านี้ใช้ NumPy เพื่อคำนวณค่าเบี่ยงเบนมาตรฐาน
ตัวอย่าง
ใช้เมธอด NumPy std() เพื่อหาค่าเบี่ยงเบนมาตรฐาน

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

ผลลัพธ์

37.84501153334721

สัญลักษณ์
- ความเบี่ยงเบนมาตรฐานมักจะถูกแทนด้วยสัญลักษณ์ซิกมา: σ
- ความแปรปรวนมักจะถูกแทนด้วยสัญลักษณ์ Sigma Square: σ2
บทสรุป
ส่วนเบี่ยงเบนมาตรฐานและความแปรปรวนเป็นคำที่มักใช้ในการเรียนรู้ของเครื่องดังนั้นจึงเป็นสิ่งสำคัญที่จะต้องเข้าใจวิธีการรับพวกเขาและแนวคิดที่อยู่เบื้องหลังพวกเขา
แปลจากhttps://www.w3schools.com/python/python_ml_standard_deviation.asp



ไม่อยากอ่าน Tutorial อยากมาเรียนเลยทำอย่างไร?

สมัครเรียน ONLINE ได้ทันทีที่ https://elearn.expert-programming-tutor.com

หรือติดต่อ

085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM

แผนที่ ที่ตั้งของอาคารของเรา

Python

L16 PYTHON SIMPLE ARITHMETIC
L40 PYTHON TUTORIAL INTRO
L41 PYTHON GETTING STARTED
L42 PYTHON SYNTAX
L43 PYTHON COMMENTS
L44 PYTHON VARIABLES
L45 PYTHON DATATYPE
L46 PYTHON NUMBERS
L47 PYTHON CASING
L48 PYTHON STRINGS
L49 PYTHON BOOLEANS
L50 PYTHON OPARETORS
L51 PYTHON LISTS
L52 PYTHON TUPELS
L53 PYTHON SETS
L54 PYTHON DICTIONARY
L55 PYTHON IF ELSE
L56 PYTHON WHILE LOOP
L57 PYTHON FOR LOOP
L58 PYTHON FUNCTION
L59 PYTHON LAMBDA
L60 PYTHON ARRAYS
L61 PYTHON CLASSSES OBJECTS
L62 PYTHON INHERITANCE
L63 PYTHON ITERATORS
L63 PYTHON SCOPE
L64 PYTHON MODULES
L65 PYTHON DATETIME
L66 PYTHON JSON
L67 PYTHON REGEX
L68 PYTHON PIP
L69 PYTHON TRY EXCAPE
L70 PYTHON USER INPUT
L71 PYTHON FILE OPEN
L73 PYTHON STRING FORMATTING
L74 PYTHON READ FILE
L75 PYTHON WRILE CREATE FILE
L76 PYTHON DELETE FILE
L90 PYTHON POISSON DISTRIBUTION
L90 PYTHON RANDOM INTRODUCTION
L91 PYTHON CHI SQUARE DISTRIBUTION
L91 PYTHON EXPONENTIAL DISTRIBUTION
L92 PYTHON RAYLEIGH DISTRIBUTION
L93 PYTHON PARETO DISTRIBUTION
L94 PYTHON ZIPF DISTRIBUTION
L96 PYTHON RANDOM PERMUTATIONS
L97 PYTHON SEABORN
L98 PYTHON NORMAL DISTRIBUTION
L99 PYTHON DISTRIBUTION
L99 PYTHON LOGISTIC DISTRIBUTION
L99 PYTHON MULTINOMIAL DISTRIBUTION
L99 PYTHON NUMPY SPLITTING ARRAY
L99 PYTHON NUMPY UFUNCS
L99 PYTHON UNIFORM DISTRIBUTION
LM60PYTHON BUILT IN FUNCTIONS
LM61PYTHON STRING METHODS
LM62PYTHON LIST ARRAY METHODS
LM63PYTHON DICTIONARY METHODS
LM64PYTHON TUPLE METHODS
LM65PYTHON SET METHODS
LM66PYTHON FILE METHODS
LM67PYTHON KEYWORD
LM68PYTHON BUILT IN EXCAPTION
LM69PYTHON RANDOM MODULE
LM70PYTHON MATH MODULE
LM70PYTHON REQUSTS MODULE
LM72PYTHON CMATH MODULE
LM73PYTHON HOWTO REMOVE DUPLICATES FROM A PYTHON LIST
LM74PYTHON HOW TO REVERSE A STRING IN PYTHON
LM75PYTHON HOW TO ADD TWO NUMBERS IN PYTHON
LM95PYTHON RANDOM DATA DISTRIBUTION


แผนผังการเรียนเขียนโปรแกรม

Link อื่นๆ

Allow sites to save and read cookie data.
Cookies are small pieces of data created by sites you visit. They make your online experience easier by saving browsing information. We use cookies to improve your experience on our website. By browsing this website, you agree to our use of cookies.

Copyright (c) 2013 expert-programming-tutor.com. All rights reserved. | 085-350-7540 | 084-88-00-255 | ntprintf@gmail.com

ติดต่อเราได้ที่

085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM
แผนที่ ที่ตั้งของอาคารของเรา