Category: လမ်းညွှန်
binomial distribution သည် ပုံသေစမ်းသပ်မှုအရေအတွက်တစ်ခုထက် ဖြစ်ပျက်နေသည့် အချို့သော “ အောင်မြင်မှုများ” ၏ဖြစ်နိုင်ခြေကို စံနမူနာပြုရန် အသုံးပြုသော ဖြစ်နိုင်ခြေဖြန့်ဖြူးမှုတစ်ခုဖြစ်သည်။ အောက်ဖော်ပြပါ ယူဆချက်သုံးရပ်နှင့် ကိုက်ညီပါက binomial distribution ကို အသုံးပြုရန် သင့်လျော်သည်- ယူဆချက် 1- စမ်းသပ်မှုတစ်ခုစီတွင် ဖြစ်နိုင်ချေ ရလဒ်နှစ်ခုသာရှိသည်။ စမ်းသပ်မှုတစ်ခုစီတွင် ဖြစ်နိုင်ချေ ရလဒ်နှစ်ခုသာရှိသည်ဟု ကျွန်ုပ်တို့ယူဆပါသည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် အကြွေစေ့တစ်ခုကို အကြိမ် 100 လွှင့်ပစ်ပါက၊ တစ်ကြိမ်လျှင် ဖြစ်နိုင်သော ရလဒ်နှစ်ခုသာ ဖြစ်နိုင်သည်- ဦးခေါင်း သို့မဟုတ်...
အ စက်ချကွက် ဆိုသည်မှာ stacked အမှတ်များကို အသုံးပြု၍ ဒေတာအတွဲတစ်ခုတွင် တန်ဖိုးများ၏ ကြိမ်နှုန်းများကိုပြသသည့် ကွက်ကွက်အမျိုးအစားတစ်ခုဖြစ်သည်။ မကြာခဏ ကျွန်ုပ်တို့သည် အစက်ချကွက်တစ်ခုကို ဖန်တီးသောအခါ၊ ကျွန်ုပ်တို့သည် အလယ်ဗဟိုနှင့် ဖြန့်ဖြူးမှုကို တွက်ချက်လိုသည်- Center : ဒေတာအတွဲ၏ ဗဟိုအချက်။ ဒါကို တိုင်းတာဖို့ အလယ်အလတ်ကို မကြာခဏ သုံးပါတယ်။ Spread : ဒေတာအတွဲတွင် တန်ဖိုးများ ဖြန့်ဖြူးခြင်း။ ဒါကို တိုင်းတာဖို့ အကွာအဝေးကို သုံးလေ့ရှိပါတယ်။ ဤတန်ဖိုးနှစ်ခုကို သိရုံဖြင့် ကျွန်ုပ်တို့သည် ပေးထားသောဒေတာအစုတစ်ခုတွင် တန်ဖိုးများကို...
ဟီစတိုဂရမ် ဆိုသည်မှာ ဒေတာအစုတစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဖြူးမှုကို မြင်သာအောင် မြင်နိုင်စေသည့် ဇယားအမျိုးအစားတစ်ခုဖြစ်သည်။ X-axis သည် dataset ၏တန်ဖိုးများကိုပြသပြီး Y-axis သည်တန်ဖိုးတစ်ခုစီ၏ကြိမ်နှုန်းကိုပြသသည်။ ဒေတာအစုံရှိတန်ဖိုးများပေါ်မူတည်၍ ဟီစတိုဂရမ်တစ်ခုသည် မတူညီသောပုံသဏ္ဍာန်များစွာကို ယူဆောင်နိုင်သည်။ အောက်ပါဥပမာများသည် မတူညီသော histograms အမျိုးမျိုးကို ဖော်ပြနည်းကို ပြသထားသည်။ 1. ခေါင်းလောင်းပုံသဏ္ဌာန် ဟစ်စတိုဂရမ်တစ်ခုသည် “ ခေါင်းလောင်း” မျဉ်းကွေးနှင့်တူပါက ဘဲလ်ပုံသဏ္ဍာန်ဖြစ်ပြီး ဖြန့်ဝေမှုအလယ်တွင် အထွတ်အထိပ်တစ်ခုရှိသည်။ ဤဖြန့်ဖြူးမှုအမျိုးအစား၏ အတွေ့ရအများဆုံး လက်တွေ့ကမ္ဘာဥပမာမှာ သာမန်ဖြန့်ဖြူးခြင်း ပင်ဖြစ်သည်။ 2. ယူနီဖောင်း ဒေတာအတွဲတစ်ခုစီရှိ...
Outlier သည် ဒေတာအတွဲတစ်ခုရှိ အခြားတန်ဖိုးများနှင့် ပုံမှန်မဟုတ်စွာ ဝေးကွာနေသော စူးစမ်းမှုတစ်ခုဖြစ်သည်။ တတိယ quartile ထက် 1.5 ဆ သို့မဟုတ် ပထမ quartile အောက်ရှိ interquartile အပိုင်းအခြား 1.5 ဆ သို့မဟုတ် interquartile အကွာအဝေးထက် 1.5 ဆ ဖြစ်ပါက ရှုမြင်မှုအား အကြမ်းဖျင်းအဖြစ် သတ်မှတ်ပါသည်။ မှတ်ချက်- interquartile အပိုင်းအခြားသည် ဒေတာအစုတစ်ခု၏ တတိယမြောက် quartile (75th percentile) နှင့် ပထမ quartile (25th...
ယုံကြည်မှုကြားကာလ သည် ယုံကြည်စိတ်ချမှုအဆင့်တစ်ခုရှိ လူဦးရေကန့်သတ်ချက်ပါ၀င်နိုင်ခြေရှိသော တန်ဖိုးများအကွာအဝေးတစ်ခုဖြစ်သည်။ ယုံကြည်မှုကြားကာလများကို ကျွန်ုပ်တို့အစီရင်ခံသောအခါ၊ ကျွန်ုပ်တို့သည် အောက်ပါဖော်မတ်ကို အမြဲအသုံးပြုသည်- 95% CI [LL, UL] ရွှေ LL : ယုံကြည်မှုကြားကာလ၏ ကန့်သတ်ချက်အောက် UL : ယုံကြည်မှုကြားကာလ၏ အထက်ကန့်သတ်ချက် အောက်ဖော်ပြပါနမူနာများသည် လက်တွေ့တွင် မတူညီသော စာရင်းအင်းစစ်ဆေးမှုများအတွက် ယုံကြည်မှုကြားကာလများကို မည်သို့အစီရင်ခံရမည်ကို ပြသထားသည်။ ဥပမာ 1- ဆိုလိုရင်းအတွက် ယုံကြည်မှုကြားကာလ ဇီဝဗေဒပညာရှင်တစ်ဦးသည် လိပ်မျိုးစိတ်တစ်ခု၏ ပျမ်းမျှအလေးချိန်ကို သိလိုသည်ဆိုပါစို့။ သူမသည် ကျပန်းနမူနာ 25...
R တွင် သင်တွေ့နိုင်သောသတိပေးစာမှာ- Warning message: glm.fit: fitted probabilities numerically 0 or 1 occurred သင်သည် ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေသောအခါတွင် ဤသတိပေးချက်သည် သင့်ဒေတာဘေ့စ်ရှိ တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော စူးစမ်းလေ့လာမှုများ၏ ဖြစ်နိုင်ခြေများကို 0 သို့မဟုတ် 1 နှင့် ခွဲခြား၍မရပါ။ ဤသည်မှာ သတိပေးစာ ဖြစ်ပြီး အမှားအယွင်းမဟုတ်ကြောင်း သတိပြုပါ။ ဤအမှားကို သင်လက်ခံရရှိလျှင်ပင်၊ သင်၏ ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံသည် အံဝင်ခွင်ကျဖြစ်နေဆဲဖြစ်သည်၊ သို့သော်...
ကိန်းဂဏန်းများနှင့် စက်သင်ယူမှုတွင် မကြာခဏဆိုသလို ကျွန်ုပ်တို့သည် တန်ဖိုးများ၏ အကွာအဝေး 0 နှင့် 1 အကြားဖြစ်သည့် ကိန်းရှင်များကို ပုံမှန်ပြုလုပ်သည် ။ ကိန်းရှင်များကို ပုံမှန်ဖြစ်အောင် ပြုလုပ်ခြင်း၏ အဖြစ်အများဆုံး အကြောင်းရင်းမှာ ကျွန်ုပ်တို့သည် အမျိုးမျိုးကွဲပြားသော ခွဲခြမ်းစိတ်ဖြာမှု အမျိုးအစားအချို့ကို လုပ်ဆောင်နေချိန် (ဆိုလိုသည်မှာ ခန့်မှန်းသူကိန်းရှင်များစွာနှင့် တုံ့ပြန်မှုကိန်းရှင်တစ်ခုကြား ဆက်စပ်မှုကို နားလည်လိုသည်) နှင့် ကိန်းရှင်တစ်ခုစီသည် ခွဲခြမ်းစိတ်ဖြာမှုတွင် အညီအမျှ ပံ့ပိုးပေးစေလိုပါသည်။ ကွဲပြားမှုများကို မတူညီသောစကေးများဖြင့် တိုင်းတာသောအခါ၊ ၎င်းတို့သည် ခွဲခြမ်းစိတ်ဖြာမှုတွင် တူညီစွာ မပါဝင်နိုင်ပေ။ ဥပမာအားဖြင့်၊...
ANOVA (“ ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း” ) ကို သုံးသော သို့မဟုတ် ထို့ထက်မကသော သီးခြားအုပ်စုများ၏ အဓိပ္ပါယ်မှာ ညီတူညီမျှရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ANOVA သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည် ။ H 0 : အုပ်စုဟူသည် အားလုံး ညီတူညီမျှဖြစ်သည်။ H A : အနည်းဆုံးအုပ်စုတစ်ခု၏ပျမ်းမျှသည် အခြားအုပ်စုများနှင့်မတူပါ။ သင် ANOVA ကိုလုပ်ဆောင်သည့်အခါတိုင်း၊ သင်သည် အောက်ပါပုံသဏ္ဍာန်ရှိသော အကျဉ်းချုပ်ဇယားတစ်ခုဖြင့်...
Vector နှစ်ခု A နှင့် B ကြားရှိ Manhattan အကွာအဝေး ကို အောက်ပါအတိုင်း တွက်ချက်သည်- Σ|A i – B i | i သည် vector တစ်ခုစီ၏ i th element ဖြစ်သည်။ ဤအကွာအဝေးကို vector နှစ်ခုကြားရှိ ကွဲပြားမှုကို တိုင်းတာရန် အသုံးပြုပြီး machine learning algorithms အများအပြားတွင် အသုံးများသည်။ အောက်ဖော်ပြပါ ဥပမာသည် Excel ရှိ vector...
ပေါင်းစည်းထားသော စံသွေဖည်မှုသည် အမှီအခိုကင်းသော အုပ်စုနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများ၏ စံသွေဖည်မှုများ၏ အလေးချိန်ပျမ်းမျှတစ်ခုဖြစ်သည်။ စာရင်းဇယားများတွင်၊ ၎င်းသည် လူနှစ်ဦး၏နည်းလမ်းများ ညီမျှခြင်းရှိ၊ မရှိ စမ်းသပ်ရန်အသုံးပြုသည့် နမူနာနှစ်ခု t-test တွင် အများဆုံးတွေ့ရသည်။ အုပ်စုနှစ်စုအတွက် အစုလိုက်အပြုံလိုက်စံသွေဖည်မှုကို တွက်ချက်ရန်အတွက် ဖော်မြူလာမှာ- စုပေါင်းစံသွေဖည် = √ (n 1 -1)s 1 2 + (n 2 -1)s 2 2 / (n 1 +n...