رفتن به محتوای اصلی
جونیورJGPTورود یا ساخت حساب
فهرست

آزمایشگاه آزاد؛ بدون نیاز به ورود

هیستوگرام: داده‌ها را در دسته‌ها بچین

یک عدد تنها جای مشخصی دارد؛ اما وقتی عددهای زیادی داریم، دسته‌بندی کمک می‌کند شکل کلی داده‌ها را ببینیم. پهنای دسته را کم‌وزیاد کن و شمار داده‌های هر دسته را مقایسه کن.

آزمایش رو شروع کن

این مدل همیشه همین ۱۲ عدد را دارد. نقطه‌ی شروع شبکه فقط دسته‌ها را هم‌تراز می‌کند؛ عددهای کوچک‌تر از آن هم در دسته‌های قبلی می‌مانند و حذف نمی‌شوند.

آزمایشگاه در حال آماده شدنه…

حالا خودت امتحان کن

هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.

دسته‌های یک‌واحدی

پهنای دسته را روی ۱ و نقطه‌ی شروع را روی ۱ بگذار. تعداد هر میله را بخوان.

حدست چیه؟ چند دسته داده دارند و کدام دسته‌ها دو مقدار می‌گیرند؟

توضیح نتیجه رو ببین

۷ دسته پر هستند: دسته‌ی [۱،۲) یک مقدار، دسته‌های [۲،۳) تا [۶،۷) هر کدام دو مقدار، و دسته‌ی [۷،۸) یک مقدار دارند.

پهنای دسته را دوبرابر کن

نقطه‌ی شروع را روی ۱ نگه دار و پهنا را از ۱ به ۲ تغییر بده.

حدست چیه؟ وقتی بازه‌ها دو برابر پهن شوند، تعداد میله‌های پُر بیشتر می‌شود یا کمتر؟

توضیح نتیجه رو ببین

۴ دسته پُر می‌مانند: [۱،۳) سه داده، [۳،۵) چهار داده، [۵،۷) چهار داده و [۷،۹) یک داده دارند. دسته‌ی پهن‌تر جزئیات کمتری دارد و گروه‌های بیشتری را با هم جمع می‌کند.

شبکه‌ی دسته‌ها را جابه‌جا کن

پهنای دسته را روی ۰٫۵ و نقطه‌ی شروع را روی ۳ بگذار.

حدست چیه؟ آیا داده‌ی ۱٫۲ از نمودار حذف می‌شود چون از ۳ کوچک‌تر است؟

توضیح نتیجه رو ببین

نه؛ ۱٫۲ در دسته‌ای با شروع ۱ قرار می‌گیرد. نقطه‌ی ۳ شبکه را هم‌تراز می‌کند و داده‌های کوچک‌تر در دسته‌های پیش از آن می‌افتند. در این تنظیم هر ۱۲ داده در دسته‌ی جداگانه‌ای قرار می‌گیرد.

پشت این حرکت چه خبره؟

هر میله یک بازه را نشان می‌دهد

bin_index = floor((x - binStart)/binWidth)

هیستوگرام عددهای نزدیک را در بازه‌های پیوسته جمع می‌کند. ارتفاع میله تعداد داده‌های همان بازه است؛ این مدل فقط تعداد بازه‌هایی را گزارش می‌کند که دست‌کم یک داده دارند.

پهنای دسته، مقدارهای هر گروه را عوض می‌کند

bin = [start, start + width)

دسته‌ها به صورت بازه‌های نیمه‌باز چیده می‌شوند: مرز چپ داخل دسته است و مرز راست به دسته‌ی بعدی می‌رود. دسته‌ی پهن‌تر معمولاً میله‌های کمتری می‌سازد و ریزه‌کاری‌ها را کمتر نشان می‌دهد.

شروع، شبکه را هم‌تراز می‌کند

هر داده x با فاصله‌اش از نقطه‌ی شروع به یک شماره‌ی دسته می‌رسد. چون شماره‌ی دسته می‌تواند منفی باشد، این مقدار مرز شروع همه‌ی دسته‌های قابل‌نمایش نیست؛ داده‌های کوچک‌تر هم در دسته‌های پیشین قرار می‌گیرند.

سؤالت رو بپرس، جوابش رو هم ببین

وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.

شروع یادگیری با چت

برای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.

نمونهٔ نمایشی از آموزش در چت

پرسش تو

چرا با پهنای ۰٫۵ و نقطه‌ی شروع ۳ هنوز عدد ۱٫۲ در هیستوگرام است؟

دستیار هوش مصنوعی

چون نقطه‌ی شروع، جای هم‌ترازی شبکه‌ی دسته‌هاست، نه حد پایین داده‌ها. شماره‌ی دسته برای ۱٫۲ منفی می‌شود و مرز دسته‌ی آن روی ۱ قرار می‌گیرد؛ برای همین مقدار هنوز در نمودار است.

سؤال‌های رایج

پهنای دسته را کم کنم یا زیاد؟

پهنای کوچک جزئیات بیشتری از همین داده‌ها می‌دهد و پهنای بزرگ‌تر گروه‌ها را جمع می‌کند؛ هیچ‌کدام به‌تنهایی «بهترین» انتخاب برای همه‌ی داده‌ها نیست.

عدد تعداد دسته‌ها دقیقاً چیست؟

فقط تعداد بازه‌هایی است که دست‌کم یک داده داخلشان افتاده؛ بازه‌های خالی شمرده نمی‌شوند.

نقطه‌ی شروع دسته‌ها یعنی چه؟

شبکه‌ی بازه‌ها را هم‌تراز می‌کند. اگر بعضی داده‌ها از آن کوچک‌تر باشند، در بازه‌های قبلی قرار می‌گیرند و حذف نمی‌شوند.

آیا هر بار داده‌های تازه ساخته می‌شوند؟

نه؛ در این ویجت فهرست ۱۲تایی ثابت است و فقط اندازه و هم‌ترازی دسته‌ها تغییر می‌کند.

می‌شود با این نمونه گفت داده‌ها نرمال‌اند؟

نه. یک فهرست کوچک و ثابت برای تمرین داریم؛ از آن نمی‌شود توزیع یک جامعه‌ی بزرگ‌تر را تعیین کرد.