Chance, médias e dispersão
Por que isso importa Dados de treinamento são amostras aleatórias, pesos começam aleatórios e um classificador gera probabilidades. Você precisa de probabilidade suficiente apenas para ler esses números.
Veja isso
Role um dado justo muitas vezes. Cada face aparece cerca de 1 vez em 6. A média das faces se estabiliza perto de 3.5, embora você nunca possa rolar um 3.5. Esse valor de estabilização é o expected value: a média de longo prazo.
Uma amostra maior dá uma média mais próxima de 3.5. Com 10 lançamentos você pode ver 2.9 ou 4.1; com 10,000 lançamentos você verá algo como 3.49 ou 3.51. Lembre-se disso: um número medido em poucos exemplos oscila; em muitos, ele se estabiliza.
Probability: a participação a longo prazo de vezes que algo acontece. Expected value: a média a longo prazo, a soma de cada resultado vezes sua probabilidade.
Resumo As médias se estabilizam conforme a amostra cresce. Amostras pequenas mentem um pouco.
Palavras e símbolos nesta lição
- valor esperado (E[x])
- a média de longo prazo
Escreva expected_value(outcomes, probs) (soma do resultado vezes a probabilidade), e simulate_mean(n, seed) que rola um dado justo n vezes com np.random.default_rng(seed).integers(1, 7, size=n) e retorna a média.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.