小白进阶历程-直方图学习

网友评论

• TheTiger:你让我最欣赏的一点是良好的代码注释风格，这是大部分新手很难具备的，已经赢在起跑线上了。
  

  嗯西西: @泰阁志 好，👌

  TheTiger:@Fgufsett 图片发到小密圈吧，给你加精华。

  嗯西西: @泰阁志 谢谢虎哥鼓励😊
• 
  鱼心DrFish:角度独特，对bins的分析很棒！
  不过我有一点疑问，为什么你觉得，直方图光滑没有锯齿就是好的呢！也许数据本身就是在某个地方，有一个奇异值呢？
  另外，可以想一想，能否根据样本总量，估算一个大概合适的bins数值？

  嗯西西: @鱼心fishstar 哈哈，确实说的多了😂

  鱼心DrFish:@Fgufsett 史上最长评论！哈哈
  关于bin size 的选择，可参考 Freedman–Diaconis Rule

  嗯西西: @鱼心fishstar 哈哈哈，谢谢你！这两个问题很有意思，说一下我的见解！对于第一个问题：
  (1)不是说直方图光滑没有锯齿就是好，这个好也是相对的。直方图出现锯齿情况，因为直方图每一个柱表示的是落入该区间内的数据的个数（或频率），即意味着相邻区间落入数据的个数差异比较大(对于我观测整个数据的分布来说不好，但如果你要细看在每个区间上的数据分布，当然细分组数多了较好)，但并不意味着该数为奇异值。ps.这时候如果我稍微将区间扩大一些（即减小组数），就可以将消除这种现象。
  (2)因为直方图主要是用来观测数据集的整体分布，直方图属于数据可视化，即在数据可视化之前，应该对数据已经预处理了，所以奇异值在绘直方图之前应该已经被处理了(当然这两个数据集我并没有进行数据预处理)。
  (3)如果数据集中有奇异值，并且没有在预处理时被剔除，因为奇异值在整个数据集中是与众不同的，所以该值相对于大部分数据来说一般不是过于大就是过于小，不管是值过大还是过小，都只会出现在直方图两侧，不会在中间出现，而锯齿是直方图中间部分出现柱忽高忽低的情况，所以这两者我觉得没有一定的关系。
  关于第二个问题，目前直方图组数是根据数据量大小给一个范围，一般分为5-20组，具体组数没有固定的。这也是一个好问题，不过我目前没有想到合适的方法😂。
  这都是我的见解，有不对的地方还请见谅，欢迎随时交流😊