Thread by @PhDJokesMemes

Machine Learning - VI
- Seshadhiri Dhanasekaran

ML மாடலில் சில முக்கியமான termionologies உள்ளன. அவற்றை விரிவாக காண்போம்.

#MachineLearningTamil
#Thread
#MachineLearning

Machine learning மாடல்கள் அனைத்துமே mathsஇல் இருந்து உருவானவையே.

1.Mean
2.Median
3.Mode
4.Range
5.Variance
6.Standard Deviation

ஒரு எடுத்துக்காட்டு கொண்டு இதை விரிவாக காண்போம். கீழ்க்காணும் நம்பர் ஒரு dataset. இதில் மேல்குறிப்பிட்ட terminologies எப்படி கணக்கிடுவது என காண்போம்.

35,56,43,59,63,79,35,41,64,43,93,60,77,24,82

1. Mean : mean என்பது ஒட்டுமொத்த டேட்டாவின் சராசரி. மேல் குறிப்பிடப்பட்டுள்ள நம்பர்கள் கூட்டி சராசரி கொள்ள வேண்டும். இதன் சராசரி 56.93

2. Median : Median என்பது டேட்டாவின் மத்திய value. முதலில் டேட்டாவை வரிசைப்படுத்தி (n+1)/2 = டேட்டா position . மேல் உள்ள டேட்டாவின் மத்திய value 59. நம்பர்களை வரிசைப்படுத்தினால் 24
35,35,41,43,43,56,59,60,63,64,77,79,82,93..

இதில் 7ஆவதாக வரும் நம்பர் தான் மத்திய புள்ளி (14+1)/2 = 7.5 அப்போது 7ஆவதை தேர்ந்தெடுத்து கொள்ள வேண்டும்.

3. Mode : Mode என்பது அதிகமா repeat ஆனா புள்ளி தான் mode. இந்த டேட்டாவில் 35 எனும் நம்பர் ரெண்டு தடவை repeat ஆகி இருக்கு. எனவே 35 தான் Mode.

4. Range : Range என்பது மினிமம் , maximum டேட்டா புள்ளிகள். இந்த டேட்டாவில் 24 மினிமம். 93 maximum

5. Variance : Variance என்பது நாம் கண்டுபிடித்த mean valueஇல் இருந்து ஒவ்வொரு டேட்டாவையும் கழித்து square செய்து சராசரி கண்டுபுடிக்க வேண்டும். உதாரணம் : 24- 56.93 = 32.93.

இதை போல அணைத்து நம்பர்க்கும் கண்டுபிடித்து square செய்து சராசரி கண்டுபிடிக்கவேண்டும் . இதன் போர்முலா σ2=∑1(xi− x)2/n. மேலே உள்ள டேட்டாவிற்கு variance 400.64.

6. Standard Deviation : Varianceக்கு Square ரூட் எடுத்தால் அதுவே standard Deviation. 400க்கு square ரூட் எடுத்தால் 20.02.

இதற்கு அடுத்து நாம் பார்க்க இருப்பது data distribution. அதாவது டேட்டா எவ்வாறு பரவி உள்ளது என்பதை குறிப்பிட பயன்படும் .

இதில் நாம் காலேஜ் மேத்ஸ்ல படிச்ச distributions வரும்.

உதாரணம் : bernoulli distribution, weibull distribution, poisson distribution, normal (or) gaussian distribution. இதில் குறிப்பிடப்பட்டுள்ள ஒவ்வொரு distributionக்கும் techniques மாறுபடும்.

MLஇல் நார்மல் distribution என்றால் gaussian distribution தான். இதற்க்கு உள்ள பேமஸ் பெயர் பெல் curve distribution. முக்கால்வாசி IT மக்களுக்கு அவர்கள் அப்ப்ரைசல் டைம்ல இந்த distribution வெச்சி தான் கிரேடு கொடுப்பாங்க.

இதுல 4 கிரேடு இருக்கும். முக்கால்வாசி மக்கள் C, B கிரேடுல இருப்பாங்க.. A, D ரொம்ப கம்மியா இருப்பாங்க. கீழே கொடுத்து இருக்கும் படத்தில் தெரியும்.

இதில் சில terminology இருக்கு. அவை quantiles எனப்படும் - அதாவது டேட்டாவை பிரித்தல்.

Quartiles - டேட்டாவை நான்காக பிரித்தால் 4 quartiles கிடைக்கும்.ஒவ்வொரு quartile - 25% டேட்டா

Percentile - டேட்டாவை ஒவ்வொரு % ஆக டேட்டாவை பிரித்தால் percentile . இதில் 50ஆவது percentile தான் டேட்டாவின் மிட் பாயிண்ட்.

Decile : டேட்டாவை 10% ஆக பிரித்தால் ஒவ்வொரு பங்கும் ஒரு Decile. ஆக மொத்தம் 10 deciles .

inter - Quartile Range : டேட்டாவை 4 quartile ஆக பிரிக்கும்போது டேட்டாவின் 50% இந்த 2வது மற்றும் 3வது quartileஇல் இருக்கும். இது தான் inter quartile range.

IT நிறுவனங்களில் அப்ப்ரைசல் போடும்போது முக்கால்வாசி பேர் இந்த rangeஇல் இருக்கும்படி பார்த்து கொள்வார்கள்(அதாவது Dக்கும் Aக்கும் இடையில் ).

கீழயே இதன் python code கொடுத்து உள்ளேன்.. உங்கள் டேட்டாவை கொண்டும் நீங்கள் சரி பார்க்கலாம் இதை.
#EndofPartVI