【Udacity】数据的集中程度：众数、平均数和中位数

• 重视Code Review
• 极致——目标是成为优秀的开发者
• Data tells a story！(数据会讲故事)

分析过程对于建模非常的重要，可以帮助我们减少实际上不相关的特征被错误的加入到模型中，尽管在一些模型里，比如线性回归，在建模后期可以通过一定的方法将这些不相关的特征识别出来，但既然能够通过前期的数据观察排除，何不在一开始就做好呢，有句话在建模领域非常有名：garbage in， garbage out

数据的中心：众数、平均数和中位数

• 要点：模型构建&验证比较模型

一、Why？

• 为什么要学习统计的基本概念

一些统计学基本概念，如何用众数，平均数和中位数衡量数据的中心，如何用值域，IQR，方差/标准差来衡量数据的差异。你很有可能已经熟知所有这些统计概念的定义，那么不妨你可以思考一下：

• 为什么我们需要多个指标?
• 这多个指标如何演化而来？
• 他们之间的优劣是什么？
• 针对不同的数据集，我应该如何如何选择最适合的指标？

这样的思考会贯穿在整个机器学习过程中，当你学习了多个模型的衡量指标，当你学了多个机器学习的算法。如何比较他们的优劣，如何选择最合适的算法将会是我们一直在讨论的问题。

What?

• Measures of center(中心测量方法)——描述分布中心的情况(集中程度)

  二、众数(Mode)

  2.1 定义：

众数是指一组数据中出现频率最高(the highest frequency)的那个数据(从x-axis寻找)。一组数据可以有多个众数，也可以没有众数。

众数是由英国统计学家皮尔生首先提出来的。所谓众数是指社会经济现象中最普遍出现的标志值。从分布角度看，众数是具有明显集中趋势的数值。

• 均匀分布没有众数
• 多峰分布可以有多个众数

三、平均数(Mean)

• sample样本均值 x bar x横
• population总体均值 μ
  ** Mean和Average区别**

概念对比 Mean&Average

Mean&Average

四、中位数

• 众数不受异常值影响，而平均值容易受异常值影响

• 寻找一个两全齐美的方法——中位数Median

• Robust 稳健性