numpy中標準差std的神坑

2021-09-26 10:54:36 字數 792 閱讀 3089

我們用matlab作為對比。計算標準差，得到：

>> std([1,2,3])


ans =


1
然而在numpy中：

>>> np.std([1,2,3])


0.81649658092772603
什麼鬼！這麼簡單的都能出錯？原因在於，np.std有這麼乙個引數：

ddof : int, optional 

means delta degrees of freedom. the divisor used in calculations is n - ddof, where n represents the number of elements. by default ddof is zero.

因此，想要正確呼叫，必須使ddof=1：

>>> np.std([1,2,3], ddof=1)


1.0
而且，這一特性還影響到了許多基於numpy的包。比如scikit-learn裡的standardscaler。想要正確呼叫，只能自己手動設定引數：

ss = standardscaler()


ss.mean_ = np.mean(x, axis=0)


ss.scale_ = np.std(x, axis=0, ddof=1)


x_norm = ss.transform(x)
當x資料量較大時無所謂，當x資料量較小時則要尤為注意。

標準差和標準誤的區別

首先標準誤和標準差是有先後的 個人理解 先標準差後標準誤 標準差定義 總體各單位標準值與其平均數離差平方的算術平均數的平方根 即抽取為n個樣本或測量n個結果與其平均值的離差平方算數平方根 n個樣本相對於其平均值分散程度的一種度量，越小均值越具代表性 標準差 方差的開平方 標準差公式 若為樣本標準差則...

標準差的理解和例項

是各個資料分別與其平均數之差的平方的和的平均數，用字母d表示。在概率論和數理統計中，方差 variance 用來度量隨機變數和其數學期望 即均值 之間的偏離程度。在許多實際問題中，研究隨機變數和均值之間的偏離程度有著重要意義。其中，x表示樣本的平均數，n表示樣本的數量，xi表示個體，而s 2就表示方...

標準差和標準誤差的區別

在日常的統計分析中，標準差和標準誤是一對十分重要的統計量，兩者有區別也有聯絡。但是很多人卻沒有弄清其中的差異，經常性地進行一些錯誤的使用。對於標準差與標準誤的區別，很多書上這樣表達 標準差表示資料的離散程度，標準誤表示抽樣誤差的大小。這樣的解釋可能對於許多人來說等於沒有解釋。其實這兩者的區別可以採用...