Библиотека задач по Data Science | тесты, код, задания

Что такое расстояние Махаланобиса? Это мера расстояния между векторами случайных величин. В отличие от Евклидова расстояния, которое просто измеряет прямое расстояние между двумя точками в пространстве, метрика Махаланобиса учитывает взаимосвязь между признаками. Расстояние Махаланобиса нормализует данные относительно ковариационной матрицы, что позволяет учитывать различную дисперсию признаков. Математически расстояние Махаланобиса можно определить как меру несходства между двумя случайными векторами 𝑥 и 𝑦 из одного распределения вероятностей с матрицей ковариации 𝑆. Если матрица ковариации является единичной матрицей, то расстояние Махаланобиса становится равным расстоянию Евклида. Эта метрика используется, например, для нахождения выбросов. Точка, имеющая наибольшее расстояние Махаланобиса до остального множества заданных точек, считается имеющей наибольшую значимость, так как она имеет наибольшее влияние на кривизну и на коэффициенты уравнения регрессии. #разбор_задач

❗️Вакансии «Библиотеки программиста» — ждем вас в команде! Мы постоянно растем и развиваемся, поэтому создали отдельную страницу, на которой будут размещены наши актуальные вакансии. Сейчас мы ищем: 👉авторов в наше медиа proglib.io 👉контент-менеджеров для ведения телеграм-каналов Подробности тут. Мы предлагаем частичную занятость и полностью удаленный формат работы — можно совмещать с основной и находиться в любом месте🌴 Ждем ваших откликов 👾

🧑‍💻 Статьи для IT: как объяснять и распространять значимые идеи Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом. Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций. Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах. 👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.

✍️ Разбор сложных задач недели 1️⃣ Метод numpy.bincount используется для подсчёта количества вхождений каждого значения в массив неотрицательных целых чисел. Возвращает массив, где индекс соответствует числу, а значение по этому индексу — количеству раз, которое это число встречается в исходном массиве. То есть если исходный массив был таким — [0, 1, 1, 2, 2, 2, 3], numpy.bincount вернёт [1 2 3 1]. Это означает, что число 0 встречается один раз, число 1 — два раза, число 2 — три раза, число 3 — один раз. 2️⃣ Разберём задачку про игральные карты. В целом, при таком условии у нас могут возникнуть несколько ситуаций. ▫️Первая. Когда мы достали первый туз, он оказался пиковым, а двойка треф нам ещё не попадалась. Тогда вероятность достать пиковый туз далее окажется равна нулю, а двойку треф — единице (ведь мы точно её рано или поздно достанем). ▫️Вторая. На момент когда мы добрались до первого туза, он не пиковый, а двойка треф уже вышла из колоды. Соответственно, вероятность встретить её дальше равна нулю, а вероятность встретить пиковый туз — единице. ▫️Третья. Когда мы достали первый туз, он оказался пиковым, а двойка треф вышла раньше. Поэтому вероятность встретить дальше обе карты равна нулю. ▫️Четыре. Озвученные выше три варианта при многократном повторении эксперимента дают нам одинаковые шансы на то, что следующей картой, которую мы найдём, будет как пиковый туз, так и трефовая двойка. Поэтому нас больше всего интересует ситуация, когда первый туз не пиковый и двойка треф ещё есть в колоде. Будем считать, что мы уже вытянули n карт, включая первого туза. Так в колоде осталось (52 − n) карт. Вероятность вытянуть пикового туза тогда составляет 1 / (52 − n). То же самое происходит с трефовой двойкой — 1 / (52 − n). В результате, вероятности равны. #разбор_задач

👾 Дуэт для старта в Data Science Когда все казалось потерянным и надежда на карьеру в DS и аналитики исчезала. Он часами изучал возможности, но так и не находил выхода. Но появилась она, с предложением, которое изменит всё… ...до 30 июня курс по математике за полцены и курс по Machine Learning в подарок 🛍14 990 ₽ (вместо 29 990 ₽)🛍 Что ждёт вас на курсе: ⭐️Полугодовая программа от преподавателей ВМК МГУ ⭐️47 видеолекций и 150 практических заданий ⭐️Бессрочный доступ ко всем материалам курса ⭐️Развернутая обратная связь по всем домашним заданиям и ссылки на полезные дополнительные материалы 🫶 Воспользуйтесь шансом, чтобы начать свой путь в Data Science – https://proglib.io/w/1c1158d4