Dataset：機器學習和深度學習中對資料集進行高級繪圖(資料集可視化，箱線圖等)的簡介、應用之詳細攻略——daidingdaiding
目錄
箱線圖
箱線圖
箱線圖(box plots)：這些圖顯示了一個小長方形，有一個紅線穿過它，紅線代表此列資料的中位數（第50 百分位數），長方形的頂和底分別表示第25 百分位數和第75 百分位數（或者第一四分位數、第三四分位數），
箱線圖又叫為盒須圖(box and whisker plots)，在盒子的上方和下方有小的水平線，叫作盒須（whisker），它們分別據盒子的上邊和下邊是四分位間距的1.4 倍，四分位間距就是第75 百分位數和第25 百分位數之間的距離，也就是從盒子的頂邊到盒子底邊的距離，也就是說盒子上面的盒須到盒子頂邊的距離是盒子高度的1.4 倍，這個盒須的1.4 倍距離是可以調整的，詳見箱線圖
的相關檔案，
在有些情況下，盒須要比1.4 倍距離近，這說明資料的值并沒有擴散到原定計算出來的盒須的位置，在這種情況下，盒須被放在最極端的點上，在另外一些情況下，資料擴散到遠遠超出計算出的盒須的位置（1.4 倍盒子高度的距離），這些點被認為是例外點，
箱線圖的目的：一種比列印出資料更快、更直接的發現例外點的方法，但是最后一個環數屬性（最右邊的盒子）的取值范圍導致其他屬性都被“壓縮”了（導致很難看清楚），T1、一種簡單的解決方法就是把取值范圍最大的那個屬性洗掉，
T2、畫箱線圖之前采用將屬性值歸一化：因為沒有實作根據取值范圍自動縮放（自適應），在畫箱線圖之前將屬性值歸一化（normalization），此處的歸一化指確定每列資料的中心，然后對數值進行縮放，使屬性1 的一個單位值與屬性2 的一個單位值相同，在資料科學中有相當數量的演算法需要這種歸一化，例如，K-means聚類方法是根據行資料之間的向量距離來進行聚類的，距離是對應坐標上的點相減然后取平方和，單位不同，算出來的距離也會不同，到一個雜貨店的距離以英里為單位是1 英里，以英尺為單位就是5 280 英尺，代碼清單2-11 中的歸一化是把屬性數值都轉換為均值為0、標準差為1 的分布，這是最通用的歸一化，歸一化計算用到了函式summary() 的結果，歸一化后的效果如圖2-11 所示，
注意歸一化到標準差1.0 并不意味著所有的資料都在?1.0 和+1.0 之間，盒子的頂邊和底邊多少都會在?1.0 和+1.0 附近，但是還有很多資料在這個邊界外，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/20301.html
標籤：其他