day16 Bar & KDE (density plot) - Cupoy

2020/09/02 下午 11:45

機器學習共學討論版

阿嬤燒肉

觀看數：27

回答數：2

收藏數：0

ml100

day16

    助教你好，我想請問從第一張圖( KDE )來看

我自己是理解成年齡層為 20~25 歲以及 65~70 歲的人相較其他年齡層，付不出錢的機率比較大。

但從第二張圖( Bar )來看

年齡層為 20~25 歲付不出錢的機率較大，但65~70 歲的人付不出錢的機率卻最小。

不知道是否是我對圖形觀察有誤，為何用同樣的資料畫出來的圖結果不太一樣？

回答列表

• 2020/09/03 下午 03:03
  Joe Stephen
  贊同數：0
  不贊同數：0
  留言數：1

  第一張圖是每一個分組的機率分布，可以大概看出資料的分布情形。而這裡看的是年齡的分布，與付不出錢沒有關聯

  例如：在資料裡年齡層為 20~25 歲的人，小於22歲的人占多少比例

  
  

  所以，無法從第一張圖看出 年齡層為 20~25 歲以及 65~70 歲的人相較其他年齡層，付不出錢的機率比較大 

• 2020/09/05 上午 00:02
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  補充一下：KDE 是指核密度估計（kernel density estimation）的圖，是用來判斷資料的分佈（密度）關係，類似於 histogram（直方圖） 的用法。他們都是用於一個欄位的資料，來看不同數值的分佈。

  
  

  

  另外一種 長條圖（Bar Chart）則是用來觀察，兩個欄位間的比較關係。

  
  

  如果這個回答對你有幫助請主動點選「有幫助」或「最佳解答」的按鈕，也可以追蹤我的GITHUB 帳號。若還有問題的話，也歡迎再開一個新的問題繼續發問，或者把你理解的部分整理上來，我都會提供你 Review 和 Feedback 😃😃😃另外我目前有舉辦一個課程：【資料科學家的 12 堂心法課】，歡迎一起來玩玩！（By the way，我並不是主辦單位的人員，所以如果覺得我回答得不好，不要找他們抱怨/客訴XD）