<\/p>\n
Die mittlere absolute Abweichung<\/strong> misst die Verteilung der Beobachtungen<\/a> in einem Datensatz.<\/span><\/p>\n Dies ist ein besonders n\u00fctzliches Ma\u00df, da es weniger von Ausrei\u00dfern beeinflusst wird als andere Streuungsma\u00dfe wie Standardabweichung und Varianz.<\/span><\/p>\n Die Formel zur Berechnung der absoluten mittleren Abweichung, oft als MAD abgek\u00fcrzt, lautet:<\/span><\/p>\n MAD = Median (|x i<\/sub> \u2013 x m<\/sub> |)<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie die mittlere absolute Abweichung in Python mithilfe der Funktion \u201estatsmodels<\/a> mad\u201c<\/strong> berechnet wird.<\/span><\/p>\n Der folgende Code zeigt, wie die mittlere absolute Abweichung f\u00fcr ein einzelnes NumPy-Array in Python berechnet wird:<\/span><\/p>\n Die mittlere absolute Abweichung f\u00fcr den Datensatz betr\u00e4gt 11,1195<\/strong> .<\/span><\/p>\n Es ist wichtig zu beachten, dass die zur Berechnung des MAD verwendete Formel eine robuste Sch\u00e4tzung der Standardabweichung unter der Annahme einer Normalverteilung<\/a> berechnet, indem das Ergebnis um einen Faktor von etwa 0,67 skaliert wird.<\/span><\/p>\n Um die Verwendung dieses Skalierungsfaktors zu vermeiden, setzen Sie einfach c = 1 wie folgt:<\/span><\/p>\n Der folgende Code zeigt, wie MAD f\u00fcr eine einzelne Spalte in einem Pandas-DataFrame berechnet wird:<\/span><\/p>\n Die absolute mittlere Abweichung f\u00fcr Spalte B<\/em> betr\u00e4gt 2,965204<\/strong> .<\/span><\/p>\n Wir k\u00f6nnen eine \u00e4hnliche Syntax verwenden, um MAD f\u00fcr mehrere Spalten im Pandas DataFrame zu berechnen:<\/span><\/p>\n Die absolute mittlere Abweichung betr\u00e4gt 0<\/b> f\u00fcr Spalte A, 2,965204<\/strong> f\u00fcr Spalte B und 2,965204<\/b> f\u00fcr Spalte C.<\/span><\/p>\n So berechnen Sie MAPE in Python<\/a> Die mittlere absolute Abweichung misst die Verteilung der Beobachtungen in einem Datensatz. Dies ist ein besonders n\u00fctzliches Ma\u00df, da es weniger von Ausrei\u00dfern beeinflusst wird als andere Streuungsma\u00dfe wie Standardabweichung und Varianz. Die Formel zur Berechnung der absoluten mittleren Abweichung, oft als MAD abgek\u00fcrzt, lautet: MAD = Median (|x i \u2013 x m |) Gold: […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel 1: Berechnen Sie den MAD f\u00fcr eine Tabelle<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\nfrom<\/span> statsmodels import<\/span> robust<\/span>\n\n#define data\n<\/span>data = np. array<\/span> ([1, 4, 4, 7, 12, 13, 16, 19, 22, 24])\n\n#calculate MAD\n<\/span>robust. mad<\/span> (data)\n\n11.1195\n<\/strong><\/pre>\n #calculate MAD without scaling factor\n<\/span>robust. mad<\/span> (data, c=1)\n\n7.5<\/strong><\/pre>\n Beispiel 2: Berechnen Sie MAD f\u00fcr einen DataFrame<\/strong><\/span><\/h3>\n
#make this example reproducible\n<\/span>n.p. random<\/span> . seeds<\/span> (1)\n\n#create pandas DataFrame\n<\/span>data = pd. DataFrame<\/span> ( np.random.randint<\/span> (0,10,size=(5,3)),columns =<\/span> [' A<\/span> ',' B<\/span> ',' C<\/span> '])\n\n#view DataFrame\n<\/span>data\n\n A B C\n0 5 8 9\n1 5 0 0\n2 1 7 6\n3 9 2 4\n4 5 2 4\n\n#calculate MAD for column B<\/em>\ndata[[' B<\/span> ']]. apply<\/span> (robust. mad<\/span> )\n\nB 2.965204\ndtype:float64<\/span><\/span><\/strong><\/pre>\n #calculate MAD for all columns<\/span>\ndata[[' A<\/span> ',' B<\/span> ',' C<\/span> ']]. apply<\/span> (robust. mad<\/span> )\n\nAt 0.000000\nB 2.965204\nC 2.965204\ndtype:float64\n<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie SMAPE in Python<\/a>
So berechnen Sie RMSE in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"