目錄

• 1 代碼
• 2 為什么要處理偏斜數據
• 3 處理偏斜數據的一些常用技術
• 4 峰度的意義

1 代碼

import scipy.stats as st st.skew(data) # 計算偏度 st.kurtosis(data) # 計算峰度

2 為什么要處理偏斜數據

因為許多統計測試和機器學習模型都依賴于正態性假設。 因此，嚴重偏斜意味著數據不正常，并且可能會影響您的統計測試或機器學習預測能力。

• 如果偏度在-0.5到0.5之間，則數據是相當對稱的(正態分布)；
• 如果偏斜度在-1和-0.5之間(負偏度)或0.5和1之間(正偏度)，則數據偏斜；
• 如果偏斜度小于-1(負偏度)或大于1(正偏度)，則數據高度偏斜；

3 處理偏斜數據的一些常用技術

在這種情況下，我們需要轉換數據以使其正常。 用于處理偏斜數據的一些常用技術：

• Log transformation
• Square root transformation
• Power transformation
• Exponential transformation
• Box-Cox transformation
• etc

4 峰度的意義

“峰度”是對實值隨機變量的概率分布的“尾部”度量。 通常用于標識給定數據集中的異常值(極值)。 由于用于識別離群值，因此使用尾部兩端的極值進行分析。

• 常態峰 Mesokurtic (峰度=3)-此分布顯示峰度3接近零。 極值(離群值)的分布與正態分布相似。
• 尖峰的 Leptokurtic (峰值>3)-這種分布顯示出比Mekokurtic更大的峰度。 該峰比中胚層更高且更尖銳。 它的兩邊都有粗尾，表明離群值較大。 在投資世界中，尖峰的發行意味著它是高風險的投資。
• 低峰態 Platykurtic：(峰值<3)-此分布顯示峰度比中側偏低。 該峰比中胚層低且寬。 它的兩側均顯示平坦的尾巴，表示離群值較小。 在投資世界中，platykurtic發行意味著它是一種低風險的投資。
  

總結

以上是生活随笔為你收集整理的偏度和峰度存在的意义的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。