（五）机器学习 - 数据分布
数据分布（Data Distribution）是指数据在不同值或值区间内的分布情况，它描述了数据点在整个数据集中是如何分散或集中的。数据分布可以通过多种方式来分析和表示，包括图形和数值方法。
常见的数据分布特征和描述数据分布的方法：
-
对称性：
- 对称分布：数据在均值（平均值）或中位数周围对称分布，即数据的左半部分是右半部分的镜像。正态分布是对称分布的一个典型例子。
- 偏斜分布：数据不是对称的，可能向右（正偏斜）或向左（负偏斜）延伸。正偏斜意味着数据的尾部在右侧，而负偏斜意味着数据的尾部在左侧。
-
集中趋势：
- 均值（Mean）：所有数据点的平均值。
- 中位数（Median）：将数据点按大小排序后位于中间位置的值。
- 众数（Mode）：数据集中出现次数最多的值。
-
离散程度：
- 方差（Variance）：衡量数据点偏离均值的程度，方差越大，数据越分散。
- 标准差（Standard Deviation）：方差的平方根，与原始数据具有相同的单位，用于衡量数据的离散程度。
- 极差（Range）：数据集中最大值和最小值之间的差。
-
形状：
- 数据分布的形状可以是多种多样的，包括正态分布、偏斜分布、双峰分布、均匀分布等。
-
图形表示：
- 直方图（Histogram）：用条形图表示数据在不同区间的频率或数量。
- 箱线图（Boxplot）：显示数据的最小值、第一四分位数（Q1）、中位数、第三四分位数（Q3）和最大值，以及可能的异常值。
- 散点图（Scatter Plot）：显示两个变量之间的关系。
- 密度图（Density Plot）：平滑的曲线，显示数据的分布密度。
-
数值表示：
- 百分位数（Percentiles）：数据中低于某个值的百分比。
- 四分位数（Quartiles）：将数据分为四等份，每份包含25%的数据点。
例子：
1、Ptython 创建一个包含 250 个介于 0 到 5 之间的随机浮点数的数组：
import numpyx = numpy.random.uniform(0.0, 5.0, 250)print(x)2、使用 Python 模块 Matplotlib 绘制直方图：
import numpy
import matplotlib.pyplot as pltx = numpy.random.uniform(0.0, 5.0, 250)plt.hist(x, 5)
plt.show()
直方图解释：
我们使用上例中的数组绘制 5 条柱状图。
第一栏代表数组中有多少 0 到 1 之间的值。
第二栏代表有多少 1 到 2 之间的数值。
得到的结果是：
52 values are between 0 and 1 48 values are between 1 and 2 49 values are between 2 and 3 51 values are between 3 and 4 50 values are between 4 and 5
数组值是随机数，不会在您的计算机上显示完全相同的结果。
END.