你来啦,我们谈谈人生和理想分享 http://blog.sciencenet.cn/u/iggcas010 机器学习、数据挖掘

博文

为什么机器学习/数据科学的数据探索中要进行数据可视化?

已有 415 次阅读 2018-5-31 22:27 |系统分类:观点评述| 数据可视化, 机器学习, 数据科学

 不要说数据可视化的优点,以及为了展示给老板看。

本文参考维基百科:https://en.m.wikipedia.org/wiki/Anscombe%27s_quartet


下图是著名的安斯库母四重奏,

它们具有相同的统计值,但不同的x,y,然而结果用简单的线性回归建模却得到同样的结果,事实上,拟合的结果的准确性是值得商榷的,有的效果可以,有的却是错误的。

Property

Value

Accuracy

Mean of x

9

exact

Sample variance of x  样本方差

11

exact

Mean of y

7.50

to 2 decimal places

Sample variance of y

4.125

plus/minus 0.003

Correlation between x and y

0.816

to 3 decimal places

Linear regression line

y = 3.00 + 0.500x

to 2 and 3 decimal places, respectively

Coefficient of determination of the linear regression   线性回归的确定系数

0.67

to 2 decimal places


image.png

好好看看,第二个图和第四个图是不是直接错误,第三个图勉强算对,但不准确,有个离群值明显可以舍去。第一个图是正确的。


由此可见,在数据探索中,有必要进行简单的验证,查看数据是否可以用已有的模型,模型重要,但数据质量更重要。




http://blog.sciencenet.cn/blog-1966190-1116766.html

上一篇:数据到底有什么卵用?
下一篇:为什么说python是氢弹?

1 李剑超

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

全部作者的精选博文

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2018-6-25 11:50

Powered by ScienceNet.cn

Copyright © 2007-2017 中国科学报社

返回顶部