Caso, medie e dispersione
Perché è importante I dati di addestramento sono campioni casuali, i pesi partono casuali, e un classificatore restituisce probabilità. Ti serve giusto abbastanza probabilità per leggere quei numeri.
Guardalo
Lancia molte volte un dado equo. Ogni faccia esce circa 1 volta su 6. La media delle facce si assesta vicino a 3.5, anche se non puoi mai tirare un 3.5. Quel valore a cui si assesta è il valore atteso: la media sul lungo periodo.
Un campione più grande dà una media più vicina a 3.5. Con 10 lanci potresti vedere 2.9 o 4.1; con 10,000 lanci vedrai qualcosa come 3.49 o 3.51. Ricordalo: un numero misurato su pochi esempi oscilla; su molti, si assesta.
Probabilità: la quota di volte in cui qualcosa succede sul lungo periodo. Valore atteso: la media sul lungo periodo, la somma di ogni risultato per la sua probabilità.
Riepilogo Le medie si assestano man mano che il campione cresce. I campioni piccoli mentono un po'.
Parole e simboli di questa lezione
- valore atteso (E[x])
- la media sul lungo periodo
Scrivi expected_value(outcomes, probs) (somma di risultato per probabilità), e simulate_mean(n, seed) che lancia un dado equo n volte con np.random.default_rng(seed).integers(1, 7, size=n) e restituisce la media.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.