Estatísticas ccepy inclinadas

Na era de hoje de tecnologias de ponta, a demanda pela linguagem de programação de alto desempenho aumentou. O Python prova ser o melhor de todas as linguagens de programação, pois tem muito a dar para as funções fáceis e amigáveis ​​para iniciantes da lista de seus pacotes de biblioteca para a implementação e a execução dos programas de software. O Python é a melhor ferramenta de programação para a análise de conjuntos de dados grandes e grandes, para fins computacionais e estruturas orientadas a objetos. O Python tem uma biblioteca chamada "Scipy" para lidar com a implantação dos modelos de aprendizado profundo, o treinamento do modelo para os aplicativos de aprendizado de máquina, as operações matemáticas e os otimizadores.

Estatísticas cipy “inclinação” é o método usado para procurar a assimetria na distribuição das variáveis ​​no conjunto de dados. A assimetria define como a variável é distribuída no pico e se a cauda de distribuição estiver mais espessa no lado direito, o que significa positivamente inclinado ou a cauda é negativamente distorcida, a cauda é mais espessa no lado esquerdo e zero inclinado quando a distribuição é normal.

Procedimento

O procedimento do artigo consistirá em etapas seqüenciais. Então, primeiro, a sintaxe será explicada para a função Scipy Stat Skew. Em seguida, o processo de execução para esta função no código Python será mostrado no artigo. Finalmente, concluiremos o artigo discutindo os resultados da implementação da função. Todos os programas serão escritos na plataforma online para Python i.e. “Google Collab”. Para começar com esta plataforma, precisamos navegar para o endereço da web https: // colab.pesquisar.Google.coma.

Sintaxe

A função "$ scipy.Estatísticas.inclinação (matriz, eixo = 0, viés = true)”É usado para calcular a assimetria para a variável aleatória em um conjunto de dados

O parâmetro "Array" na lista de argumentos da função STATS SKEWS é substituído por qualquer matriz de entrada ou o conjunto de dados cuja assimetria queremos determinar. O "eixo" é o eixo onde ou ao longo da qual a assimetria deve ser calculada e seu valor padrão é "0". O viés está sempre definido como tipo booleano "verdadeiro" como seu valor estatístico.

Valor de retorno

A função retornará um valor que nos informará se a distribuição é positiva, negativa ou zero distorcido conforme a distribuição normal.

Exemplo # 01

A assimetria é a medida para analisar a assimetria na distribuição dos dados. Vamos apenas explorar essa função e executar um exemplo prático dessa função assumindo e, em seguida, definindo alguns dados hipotéticos e depois distribuindo -os para verificar sua assimetria. Para inicializar o exemplo, redirecione para o Google Collab e faça um novo notebook para escrever um programa Python para o exemplo. Para importar as bibliotecas que serão utilizadas para usar o atributo ou o módulo "STATS SKEW ()", escreveremos a primeira linha no script Python como “do Scipy. As estatísticas importam a inclinação "e para criar a matriz importar a biblioteca" Numpy ", já que esta biblioteca funciona com a matriz multidimensional e suas operações.

Então, importe o “Numpy como o prefixo NP”. A última biblioteca a importar será "Pylab" e depois acessaremos o Pylab como o "PLT" para plotar a distribuição ao longo de algum eixo para identificar visualmente a assimetria nessa distribuição. Agora, criaremos uma matriz bidimensional e, em seguida. Um está definido como padrão como "zero" e o valor do outro que temos que definir como "1",. Então, primeiro calcularemos a inclinação para o 2D -ARRAY com o eixo definido como zero e posteriormente para que definiremos o valor do eixo como "1" para calcular a assimetria desse eixo. Defina um 2D-Array com o Numpy "NP. Método da matriz ([]) e passa os elementos como “([3, 4, 6, 8, 9], [1, 2, 5, 7,4], [9, 10, 4, 5, 6]) ”, Armazene o valor dessa matriz na variável como“ Array_skew ”. Então, no módulo STATS, chama a função Skew () e dê o nome da matriz como "Array_skew" nos argumentos da função Skew. O valor do eixo nessa chamada é padrão definido para o valor "zero" e verifique os resultados.

Podemos novamente usar a mesma matriz e passá -la para a função SKEW (), mas desta vez com o parâmetro do eixo definido para valorizar “1” e separado pela vírgula na lista de argumentos da função skew (). O código e a saída para este programa são fornecidos abaixo.

A função calculará a primeira chamada da função SKEW Alguns valores da assimetria ao longo do eixo "0" e a segunda chamada de função do método Skew retornará o valor da assimetria para toda a matriz ao longo do eixo "1".

Exemplo # 02

Os exadata anteriores retornaram apenas os valores distorcidos para a matriz, mas com a ajuda deste exemplo, planejaremos a distribuição e identificaremos visualmente a assimetria na distribuição dos dados. Importar o “do centeiro. estatísticas o módulo SKEW ", o" np "forma o numpy para definir a matriz e o" pylab como pLT "para plotar a distribuição nos dois eixos.

Após a importação dessas bibliotecas, definiremos o eixo “0” como a matriz com o valor “NP. Linspace (-4, 8.5, 1000) ”. Em seguida, definiremos outro eixo como "eixo1" e passaremos o valor do eixo0 para o eixo 1 como "1./(np. SQRT (2.*np.pi)) * np. exp ( -.4*(Axis0) ** 2) ”. Agora, usaremos esses dois eixos e com a ajuda do módulo PLT do Pylab, planejaremos os resultados da assimetria passando o eixo1 e o Axis0 para a lista de argumentos da função da plotagem como “PLT. plot (axis0, exis1,*) ”e depois exibindo os resultados como“ impressão (“skew_value:”, inclinação (eixo1)) ”. O valor para a função de inclinação é retornado como um número positivo, o que significa que a distribuição é positivamente distorcida.

Conclusão

A implementação do “ccepy .estatísticas inclinadas () ”é mostrado no artigo. O artigo explica o conceito de assimetria, dando uma introdução sobre o papel da assimetria na distribuição dos dados. Em seguida, explica a sintaxe no script python e demonstra dois exemplos para deixar os leitores compreender completamente o conceito do tópico.