การจัดการความซับซ้อนในข้อมูลเชิงทดลอง

การออกแบบการทดลองด้วย Python

James Chapman

Curriculum Manager, DataCamp

ข้อมูลทางธรณีวิทยา

mineral_rocks

 SampleID     RockType  Location  MineralHardness  RockPorosity
        1  Metamorphic      West              5.9          12.3
        2      Igneous     North              5.3           1.6
        3  Metamorphic      East              5.6          11.0
        4  Metamorphic     South              3.2          12.2
        5  Sedimentary     South              2.0          29.8

ทำความเข้าใจความซับซ้อนของข้อมูล

ประเภทหินและความแข็งของแร่อาจมีปฏิสัมพันธ์กัน ส่งผลต่อคุณสมบัติของแร่
ความแปรปรวนของความพรุนของหินอาจไม่สม่ำเสมอ บ่งชี้ถึงความแปรปรวนไม่คงที่
ตัวแปรก่อกวนอาจส่งผลต่อความแข็งของแร่และความพรุนของหิน

กองหินหลากหลายชนิด

การจัดการปฏิสัมพันธ์

sns.scatterplot(x='MineralHardness', y='RockPorosity', 
                hue='RockType', data=mineral_rocks)

ความแข็งของแร่เทียบกับความพรุนของหินแยกตามประเภทหิน

การจัดการความแปรปรวนไม่คงที่

ความแปรปรวนไม่คงที่ (Heteroscedasticity): ความแปรปรวน ของตัวแปรที่เปลี่ยนแปลงไปตามช่วงของตัวแปรอื่น

sns.residplot(x='MineralHardness', y='RockPorosity', 
              data=mineral_rocks, lowess=True)

การตรวจสอบความแปรปรวนที่ไม่เท่ากัน

ข้อมูลที่ไม่เป็นการกระจายแบบปกติ

sns.displot(mineral_rocks['RockPorosity'])

ฮิสโตแกรมและเส้นโค้งความหนาแน่นของ RockPorosity

การแปลงข้อมูลด้วย Box-Cox

from scipy.stats import boxcox
mineral_rocks['TransformedRockPorosity'], _ = boxcox(mineral_rocks['RockPorosity'])
sns.displot(mineral_rocks['TransformedRockPorosity'])

ความพรุนที่ผ่านการแปลงด้วย Box-Cox

sns.residplot(x='MineralHardness', y='TransformedRockPorosity',
              data=mineral_rocks, lowess=True)

กราฟค่าคงเหลือของความพรุนหินที่แปลงแล้วเทียบกับความแข็งของแร่

มาฝึกกันเถอะ!

การออกแบบการทดลองด้วย Python