Chance, Durchschnittswerte und Streuung
Warum das wichtig ist Trainingsdaten sind zufällige Stichproben, Gewichte starten zufällig und ein classifier gibt Wahrscheinlichkeiten aus. Du brauchst nur genug Wahrscheinlichkeit um diese Zahlen zu lesen.
Sieh es dir an
Würfle viele Male einen fairen Würfel. Jede Seite kommt etwa 1 Mal in 6 vor. Der Durchschnitt der Seiten stabilisiert sich nahe bei 3.5, obwohl du niemals eine 3.5 würfeln kannst. Dieser Stabilisierungswert ist der expected value: der Durchschnitt auf lange Sicht.
Eine größere Stichprobe ergibt einen Durchschnitt näher an 3.5. Mit 10 Würfen siehst du vielleicht 2.9 oder 4.1; mit 10,000 Würfen siehst du etwas wie 3.49 oder 3.51. Merke dir das: Eine Zahl, die an wenigen Beispielen gemessen wird, schwankt; an vielen stabilisiert sie sich.
Probability: der langfristige Anteil der Male, in denen etwas passiert. Expected value: der langfristige Durchschnitt, die Summe jedes Ergebnisses mal seiner Wahrscheinlichkeit.
Zusammenfassung Durchschnitte stabilisieren sich, wenn die Stichprobe wächst. Kleine Stichproben lügen ein wenig.
Wörter und Symbole in dieser Lektion
- Erwartungswert (E[x])
- der langfristige Durchschnitt
Schreibe expected_value(outcomes, probs) (Summe aus Ergebnis mal Wahrscheinlichkeit) und simulate_mean(n, seed), das einen fairen Würfel n Mal mit np.random.default_rng(seed).integers(1, 7, size=n) würfelt und den Durchschnitt zurückgibt.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.