Как обнаружить выбросы с помощью Z-оценки | Понятное объяснение скачать в хорошем качестве

Как обнаружить выбросы с помощью Z-оценки | Понятное объяснение

Добро пожаловать в двенадцатое видео из серии «Создайте свой первый проект по машинному обучению». В этом видео мы рассмотрим, как обнаруживать выбросы с помощью Z-оценки. Ссылка на блокнот/код: https://github.com/machinelearningplu... Z-оценка — это способ стандартизации данных до стандартного масштаба, то есть, насколько далеко точка данных находится от среднего значения. Z-оценка может быть положительной или отрицательной в зависимости от значений среднего и стандартного отклонения. Точка данных, удаленная от среднего значения на определенное стандартное отклонение, называется Z-оценкой. Давайте разберемся. Разделы 0:00 Введение 3:17 Нормальное и стандартное нормальное распределение 6:15 Обработка выбросов 9:09 Различные способы обработки выбросов 11:06 Удаление выбросов 11:21 Ограничение на основе квантилей 11:15 Заключение Чтобы извлечь из этого максимум пользы, пожалуйста, смотрите эту серию в порядке, указанном в плейлисте: Плейлист «Создание вашей первой модели машинного обучения»:    • Build Your FIRST Machine Learning Project ...   Предыдущий урок: Как обнаружить выбросы с помощью межквартильного размаха и диаграммы размаха? :    • How to Detect Outliers with IQR and Boxplo...   Предыдущие уроки: 1. Создание первого проекта машинного обучения:    • Build Your FIRST Machine Learning Project ...   2. Как сформулировать задачу машинного обучения:    • Build Your First ML Project part 2:  How t...   3. Настройка среды Python:    • Setup Python Environment using ANACONDA   4. Учебник по Jupyter Notebook:    • Jupyter Notebook Tutorial - How to Install...   5. Что такое моделирование машинного обучения:    • What is ML Modeling? (Problem statement an...   6. Уменьшение размера DataFrame Pandas:    • Reduce the memory size of Pandas Dataframe...   7. Что такое EDA:    • Exploratory Data Analysis (EDA) - Use thes...   8. Как заполнить пропущенные данные:    • How to handle missing data for machine lea...   9. Алгоритм импутации данных у мышей:    • Multiple Imputation by Chained Equations (...   10. Как заполнить пропущенные данные в категориальных переменных:    • How to impute missing data in categorical ...   Если у вас есть вопросы, задавайте их в комментариях! Если вам понравилось это видео, поставьте лайк и подпишитесь, чтобы не пропустить будущие видео! Спасибо за просмотр! #mlmodeling, #python, #machinelearning, #artificialintelligence, #pandas, #datascience