데이터 범위를 확장하는 5 가지 방법 - 더미

1 5

박스 플롯 (박스 및 위스커 라고도 함) 히스토그램은 연속 변수의 분포를 나타내지 만 표시 세부. 박스 플롯이 대안입니다. 이미지의 핵심은 상자입니다. 이 범위의 중간에 찍은 데이터의 절반을 나타냅니다.

상자의 중심은 변수의 중간 값이고 상자의 하단과 상단은 각각 25 번째 및 75 번째 백분위 수 수준을 나타냅니다. 수염 (whisker)은 상자의 아래쪽과 위쪽에 있으며 데이터의 범위를 나타냅니다. 수염을 넘은 점은 이상치, 고도의 비정형 값 (몇몇 플롯은 또한

극한값, 은 이상치 중 이상 값을 나타냄)으로 취해진 다.

플롯은 여러 변수에 대한 값을 모두 단일 플롯에 표시하고 각 사례의 값을 선분으로 연결합니다. 일반적인 조합은 나머지 부분에서 두드러집니다. 예를 들어 그림은 자동차 및 연료 소비와 관련된 몇 가지 변수를 보여줍니다.

많은 경우는 그래프를 가로 지르는 비슷한 경로를 따라 여러 줄의 어두운 패턴을 형성하는 특정 값을 정확하게 또는 대략 공유합니다. 예를 들어, 4 기통, 저 변위, 높은 주행 거리 및 후기 모델 연도를 가진 자동차의 경우는 매우 어둡고 눈에 띄는 패턴을 형성합니다. 599

게인 차트 (누적 게인이라고도 함)

게인 차트는 예측 모델이 무작위 샘플링보다 결과를 향상시키는 정도를 보여줍니다. 어떤 사람들은 다른 사람들보다 행동 (제품 구매, 후보자 투표, 법 위반) 가능성이 높습니다. 한 그룹의 사람들에 대해 알지 못한다면, 사람들의 절반을 접촉하면 행동을 취하는 사람들의 절반이 될 것이라고 말할 수있는 최고의 말입니다.

하지만 예측 모델을 통해 가장 잠재 고객이 누구인지를 알 수 있으므로 모델을 사용하여 절반 (또는 10 % 또는 60 % 등)을 선택하고 더 많은 조치를 취할 수 있습니다. 얼마나 더? 도표에서

x

와

y

값이 항상 같은 대각선을 볼 수 있습니다. 이것은 무작위로 잠재 고객을 선택하여 얻을 수있는 것을 나타냅니다. 다른 선은 모델을 나타냅니다. 모형과 무작위 선택 사이의

y 값의 차이는 모형이 결과를 어느 정도 향상시키는지를 보여줍니다. 차트에 표시된 모형 선을 읽고 무작위 표본 추출을위한 선과 비교하십시오.

5

5

리프트 차트 리프트 차트는 이득 차트와 매우 유사합니다. 중요한 차이점은 데이터가 정규화되어 무작위 샘플링이 항상 1의 값으로 표시되고 모델 결과가 무작위 샘플링에 비례하여 표시된다는 것입니다. 리프트 차트라는 여러 유형의 차트가 표시 될 수 있습니다. 일부는 누적되며 다른 일부는 누적되지 않습니다. 일부는 이득 차트 일 수도 있습니다.

back 다음