锐客网

  1. 首页 > 生活百科 > it技术 > >

python极差函数 python 求极值( 三 )

变量IT技术


13. 卡方检验
(1) 用途
?上面介绍的T检验是参数检验，卡方检验是一种非参数检验方法 。相对来说 ， 非参数检验对数据分布的要求比较宽松 ， 并且也不要求太大数据量 。卡方检验是一种对计数资料的假设检验方法，主要是比较理论频数和实际频数的吻合程度 。常用于特征选择，比如，检验男人和女人在是否患有高血压上有无区别，如果有区别，则说明性别与是否患有高血压有关，在后续分析时就需要把性别这个分类变量放入模型训练 。
?基本数据有R行C列, 故通称RC列联表(contingency table), 简称RC表，它是观测数据按两个或更多属性（定性变量）分类时所列出的频数表 。
(2) 示例
(3) 结果分析
?卡方检验函数的参数是列联表中的频数，返回结果第一个值为统计量值，第二个结果为p-value值，p-value=https://www.04ip.com/post/0.54543425102570975，比指定的显著水平（一般5%）大 ， 不能拒绝原假设，即相关性不显著 。第三个结果是自由度，第四个结果的数组是列联表的期望值分布 。
14. 单变量统计分析
(1) 用途
?单变量统计描述是数据分析中最简单的形式，其中被分析的数据只包含一个变量，不处理原因或关系 。单变量分析的主要目的是通过对数据的统计描述了解当前数据的基本情况，并找出数据的分布模型 。
?单变量数据统计描述从集中趋势上看，指标有：均值，中位数，分位数，众数；从离散程度上看，指标有：极差、四分位数、方差、标准差、协方差、变异系数 ， 从分布上看，有偏度，峰度等 。需要考虑的还有极大值，极小值（数值型变量）和频数，构成比（分类或等级变量） 。
?此外，还可以用统计图直观展示数据分布特征，如：柱状图、正方图、箱式图、频率多边形和饼状图 。
15. 多元线性回归
(1) 用途
?多元线性回归模型（multivariable linear regression model ），因变量Y（计量资料）往往受到多个变量X的影响，多元线性回归模型用于计算各个自变量对因变量的影响程度 ， 可以认为是对多维空间中的点做线性拟合 。
(2) 示例
(3) 结果分析
?直接通过返回结果中各变量的P值与0.05比较，来判定对应的解释变量的显著性，P0.05则认为自变量具有统计学意义，从上例中可以看到收入INCOME最有显著性 。
16. 逻辑回归
(1) 用途
?当因变量Y为2分类变量（或多分类变量时）可以用相应的logistic回归分析各个自变量对因变量的影响程度 。
(2) 示例
(3) 结果分析
?直接通过返回结果中各变量的P值与0.05比较 ， 来判定对应的解释变量的显著性，P0.05则认为自变量具有统计学意义 。
Python中的常用内置函数有哪些呢？（1）Lambda函数
用于创建匿名函数，即没有名称的函数 。它只是一个表达式，函数体比def简单很多 。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时，就可以用到匿名函数了 。
Lamdba的主体是一个表达式，而不是一个代码块 。仅仅能在lambda表达式中封装有限的逻辑进去 。
利用Lamdba函数，往往可以将代码简化许多 。
（2）Map函数
会将一个函数映射到一个输入列表的所有元素上，比如我们先创建了一个函数来返回一个大写的输入单词，然后将此函数应有到列表colors中的所有元素 。
我们还可以使用匿名函数lamdba来配合map函数 ， 这样可以更加精简 。
（3）Reduce函数
当需要对一个列表进行一些计算并返回结果时，reduce()是个非常有用的函数 。举个例子，当需要计算一个整数列表所有元素的乘积时 ， 即可使用reduce函数实现 。

推荐阅读


上一篇：linux终端显示命令，linux终端提示符

下一篇：怎么看服务器地址和端口 怎么知道网址服务器的端口