Інтервали для точкових оцінок

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Ця вправа є частиною курсу

Удосконалення візуалізацій даних у Python

SkillTag.level.intermediateSkillTag.label

4.8+

307 reviews

Почніть курс безкоштовно

Як показати всі дані й водночас не дати глядачам проґавити важливі моменти? Тут ми обговоримо, як спрямовувати увагу за допомогою колірних акцентів і тексту. Також представимо набір даних із поширеними показниками забрудників по всіх Сполучених Штатах.

Exercise 1: Виділення даних Exercise 2: Жорстке задання виділення Exercise 3: Створення підсвітки програмно Exercise 4: Порівняння груп Exercise 5: Порівняння двох KDE Exercise 6: Як покращити ваші KDE Exercise 7: Бджолиний рій (beeswarm)Exercise 8: Анотації Exercise 9: Базова текстова анотація Exercise 10: Анотації зі стрілками Exercise 11: Поєднання анотацій і кольору

Колір — потужний інструмент кодування значень у візуалізації даних. Однак із цією потугою пов'язані й ризики. У цьому розділі ми поговоримо, як обрати відповідну колірну палітру для вашої візуалізації залежно від типу даних, які вона показує.

Exercise 1: Колір у візуалізаціях Exercise 2: Позбуваємося зайвого кольору Exercise 3: Виправляємо стовпчикові діаграми Seaborn Exercise 4: Неперервні колірні палітри Exercise 5: Створення користувацької неперервної палітри Exercise 6: Налаштування теплової мапи з розбіжною палітрою Exercise 7: Адаптація палітри до контексту Exercise 8: Категоріальні палітри Exercise 9: Використання власної категоріальної палітри Exercise 10: Як впоратися з надто багатьма категоріями Exercise 11: Кольори для порядкових категорій Exercise 12: Вибір правильної змінної для кодування кольором

Невизначеність присутня всюди в дата науці, але її часто не відображають у візуалізаціях, де вона має бути. Тут ми нагадаємо, що таке довірчий інтервал, і як його візуалізувати як для поодиноких оцінок, так і для неперервних функцій. Крім того, обговоримо метод бутстреп-перевибірки для оцінювання невизначеності та способи його коректної візуалізації.

Exercise 1: Інтервали для точкових оцінок

Поточна вправа

Exercise 2: Базові довірчі інтервали Exercise 3: Анотації довірчих інтервалів Exercise 4: Довірчі смуги Exercise 5: Створення довірчої смуги Exercise 6: Розділення багатьох смуг Exercise 7: Упорядкування смуг для перекриттів Exercise 8: Поза межами 95%Exercise 9: Інтервали 90%, 95% і 99%Exercise 10: Смуги 90 і 95%Exercise 11: Використання товщини смуг замість зафарбовування Exercise 12: Візуалізація бутстрепу Exercise 13: Гістограма бутстрепу Exercise 14: Регресії з бутстрепом Exercise 15: Багато бутстрепів із «бджолиними» діаграмами

Часто візуалізацію навчають окремо, а найкращі практики подають загально. Насправді ж правила доводиться гнучко застосовувати за різних сценаріїв. Від «чернеткових» дослідницьких графіків до добору кеглів шрифтів у фінальному продукті — у цьому розділі ми заглибимося в те, як оптимізувати візуалізації на кожному етапі робочого процесу дата науки.

Exercise 1: Перші дослідження Exercise 2: Ознайомлення з даними про фермерські маркети Exercise 3: Матриця розсіювання числових стовпців Exercise 4: Занурення з базовими перетвореннями Exercise 5: Досліджуємо закономірності Exercise 6: Чи пов'язана широта з кількістю місяців роботи?Exercise 7: Який штат найбільш дружній до ринків?Exercise 8: Популярність товарів за штатами Exercise 9: Оптимізація ваших візуалізацій Exercise 10: Складання графіків, щоб побачити тенденції Exercise 11: Використання графіка як легенди Exercise 12: Тонке налаштування ваших графіків Exercise 13: Очищення тла Exercise 14: Ремікс діаграми Exercise 15: Покращення читабельності Exercise 16: Вітаємо!