일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- keras
- GitHub
- Series
- ipad
- synology
- Splunk
- Python
- 알고리즘
- dataframe
- mean
- RNN
- install
- Numpy
- javascript
- SPL
- 삼성소프트웨어멤버십
- mariadb
- index
- Button
- GT-S80
- pycharm
- DFS
- imread
- pandas
- CNN
- Lotto
- pip
- E-P1
- SciPy
- LSTM
- Today
- Total
목록분산 (2)
잠토의 잠망경

표본분산 특징 ① 분산을 과소추정 함 print('표본 분산: {}'.format(sp.sum((datas - mu)**2)/(len(datas)-0))) print('표본 분산: {}'.format(sp.var(datas, ddof=0))) 불편분산 특징 ① 분산을 과소추정 하지 않는다. ② 총길이(N)에서 1을 빼준다. print('불편 분산: {}'.format(sp.sum((datas - mu)**2)/(len(datas)-1))) print('불편 분산: {}'.format(sp.var(datas, ddof=1))) 표준편차 특징 ① 제곱을 없엤다. why? 계산하는데 복잡하다. print('표준 편차: {}'.format(sp.sqrt(sp.sum((datas - mu) ** 2) / (len..
표준화 평균: 0, 표준편차: 1 로 만드는 것 방법 대상 방법 평균 Data 값들 - 평균 표준편차 Data 값들 / 표준 편차 full code github def sample_standardzation01(): import numpy as np import scipy as sp datas = np.asarray([2, 3, 3, 4, 4, 4, 4, 5, 5, 6]) # Datas mu = sp.mean(datas) # 평균 print('-'*100) print(datas) print(mu) # 변환 print(datas-mu) print(sp.mean(datas - mu)) print('-'*100) sigma = sp.std(datas, ddof=1) print(sigma) print(datas..