<\/p>\n
La deviazione assoluta mediana<\/strong> misura la distribuzione delle osservazioni<\/a> in un set di dati.<\/span><\/p>\n Questa \u00e8 una misura particolarmente utile perch\u00e9 \u00e8 meno influenzata dai valori anomali rispetto ad altre misure di dispersione come la deviazione standard e la varianza.<\/span><\/p>\n La formula per calcolare la deviazione mediana assoluta, spesso abbreviata MAD, \u00e8:<\/span><\/p>\n MAD = mediana (|x i<\/sub> \u2013 x m<\/sub> |)<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n I seguenti esempi mostrano come calcolare la deviazione assoluta mediana in Python utilizzando la funzione mad<\/strong> statsmodels<\/a> .<\/span><\/p>\n Il codice seguente mostra come calcolare la deviazione assoluta mediana per un singolo array NumPy in Python:<\/span><\/p>\n La deviazione assoluta mediana per il set di dati risulta essere 11.1195<\/strong> .<\/span><\/p>\n \u00c8 importante notare che la formula utilizzata per calcolare la MAD calcola una stima affidabile della deviazione standard presupponendo una distribuzione normale<\/a> ridimensionando il risultato di un fattore di circa 0,67.<\/span><\/p>\n Per evitare di utilizzare questo fattore di scala, \u00e8 sufficiente impostare c = 1 come segue:<\/span><\/p>\n Il codice seguente mostra come calcolare il MAD per una singola colonna in un DataFrame panda:<\/span><\/p>\n La deviazione mediana assoluta per la colonna B<\/em> risulta essere 2.965204<\/strong> .<\/span><\/p>\n Possiamo usare una sintassi simile per calcolare MAD per pi\u00f9 colonne nel DataFrame panda:<\/span><\/p>\n La deviazione mediana assoluta \u00e8 0<\/b> per la colonna A, 2,965204<\/strong> per la colonna B e 2,965204<\/b> per la colonna C.<\/span><\/p>\n Come calcolare MAPE in Python<\/a> La deviazione assoluta mediana misura la distribuzione delle osservazioni in un set di dati. Questa \u00e8 una misura particolarmente utile perch\u00e9 \u00e8 meno influenzata dai valori anomali rispetto ad altre misure di dispersione come la deviazione standard e la varianza. La formula per calcolare la deviazione mediana assoluta, spesso abbreviata MAD, \u00e8: MAD = mediana […]<\/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
Esempio 1: calcolare il MAD per una tabella<\/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 Esempio 2: calcolare MAD per un 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 Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare SMAPE in Python<\/a>
Come calcolare l’RMSE in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"