آزمایشگاه آزاد؛ بدون نیاز به ورود
دادههای گمشده؛ حذف کنیم یا با عددی جایگزینشون کنیم؟
چند عدد از یک مجموعهٔ داده گم شدن. اگه حذفشون کنی یا جاشون میانگین و میانه بذاری، تعداد دادهها و نتیجهٔ محاسبه چه تغییری میکنه؟
آزمایش رو شروع کناز ۱۲ داده، ۳ مورد گمشده و روش حذف شروع کن. شمار دادههای باقیمونده و میانگین رو یادداشت کن، بعد روش پُرکردن با میانگین رو امتحان کن.
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.
جای خالی رو با میانگین پُر کن
تعداد کل رو روی ۱۲ و دادهٔ گمشده رو روی ۳ نگه دار. اول روش حذف و بعد روش پُرکردن با میانگین رو انتخاب کن.
حدست چیه؟ وقتی جای خالی رو با میانگین دادههای حاضر پُر میکنیم، میانگین کل تغییر میکنه؟
توضیح نتیجه رو ببین
با حذف، ۹ داده میمونه و میانگین ۶۸٫۳۶ه؛ با پُرکردن، شمار به ۱۲ میرسه و میانگین همون ۶۸٫۳۶ میمونه. میانه از ۶۶٫۶۰ به ۶۸٫۳۶ و انحراف معیار از ۹٫۲۵ به ۸٫۰۱ تغییر میکنه.
میانگین و میانه رو برای پُرکردن مقایسه کن
همون ۱۲ مقدار و ۳ مورد گمشده رو نگه دار. روش پُرکردن با میانه رو انتخاب کن و آمارش رو با روش پُرکردن با میانگین بسنج.
حدست چیه؟ وقتی جای خالیها با میانه پُر بشن، میانگین مجموعه با حالت پُرکردنِ میانگین یکی میمونه؟
توضیح نتیجه رو ببین
پُرکردن با میانه، میانگین رو به ۶۷٫۹۲ میرسونه و میانه رو روی ۶۶٫۶۰ نگه میداره. پُرکردن با میانگین در همین مجموعه، میانگین و میانهٔ نهایی رو هر دو ۶۸٫۳۶ میکنه؛ هیچکدوم برای همهٔ دادهها بهترین روش نیست.
موارد گمشدهٔ بیشتری رو حذف کن
روش رو روی حذف نگه دار و تعداد کل رو ۱۲ بذار. شمار موارد گمشده رو از ۳ به ۶ افزایش بده و تعداد دادههای باقیمونده و میانگین رو مقایسه کن.
حدست چیه؟ با حذف سه مورد دیگر، شمار دادههای فعال چهقدر کم میشه؟ آیا میانگین هم حتماً در همهٔ مجموعهها پایین میآد؟
توضیح نتیجه رو ببین
شمار دادههای حاضر از ۹ به ۶ میرسه. در این مجموعهٔ ثابت، میانگین از ۶۸٫۳۶ به ۶۶٫۶۶ تغییر میکنه؛ این جهتِ تغییر به عددهایی بستگی داره که گم شدن و قانون انتخابشون.
پشت این حرکت چه خبره؟
حذف، شمار رو کم میکنه
روش حذف فقط عددهایی رو نگه میداره که حاضرن. این کار آمار رو از مقدارهای دیدهشده حساب میکنه، اما مجموعهٔ کوچکتری باقی میذاره.
جایگزینی شمار رو نگه میداره، اما دادهٔ واقعی برنمیگرده
پُرکردن با میانگین یا میانه برای هر جای خالی یک مقدار محاسبهشده میذاره. این کار شمار رو ثابت نگه میداره، ولی مقدار پُرشده اندازهگیری واقعی نیست و میتونه پراکندگی آمار رو عوض کنه.
اینکه کدوم داده گم شده هم مهمه
میانگین و میانه بعد از حذف به عددهای باقیمونده وابستهان. اگه موارد گمشده بیشتر از یک بخش خاص انتخاب شده باشن، نتیجهٔ مجموعهٔ باقیمونده ممکنه با کل اولیه فرق کنه.
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 چتبرای ادامه در چت، وارد مسیر شروع و ورود میشی. نتیجهٔ این آزمایش به چت منتقل نمیشه.
نمونهٔ نمایشی از آموزش در چت
چرا با پُرکردن جای خالیها با میانگین، میانگین نهایی عوض نمیشه؟
چون مقدار گمشده رو برابر میانگینِ عددهای موجود میذاریم. اضافه کردن عددی برابر با میانگین، مقدار میانگین کل رو نگه میداره؛ اما اندازهٔ مجموعه و پراکندگیش تغییر میکنه.
سؤالهای رایج
روش حذف چهکار میکنه؟
عددهای گمشده رو کنار میذاره و میانگین، میانه و پراکندگی رو فقط از دادههای حاضر حساب میکنه؛ پس شمار دادهها کمتر میشه.
پُرکردن با میانگین همیشه نتیجه رو بهتر میکنه؟
نه؛ فقط یک روش ساده برای نگه داشتن شمار دادههاست. مقدار جایگزین اندازهگیری واقعی نیست و ممکنه پراکندگی رو کم کنه یا رابطهٔ بین دادهها رو عوض کنه.
چه فرقی بین پُرکردن با میانگین و میانه هست؟
در این مدل، هر کدوم از آمارِ دادههای حاضر حساب میشن و در جای خالی قرار میگیرن. نتیجهٔ نهایی مثل میانگین و میانه ممکنه فرق کنه.
کدوم روش مدیریت دادهٔ گمشده بهترینه؟
به شکل گمشدن داده و هدف تحلیل بستگی داره. این مثال ثابت برای انتخاب روش در یک پژوهش واقعی کافی نیست؛ روش باید با موضوع داده سنجیده بشه.