Conceitos estatísticos explicados em inglês simples

Série sobre tópicos específicos relacionados à Conceitos Estatísticos na Ciência de Dados: regressão, clustering, redes neurais, aprendizagem profunda (deep learning), árvores de decisão (decision tree), conjuntos, correlação, Python, R, Tensorflow, SVM (support vector machine), redução de dados, seleção de recursos, design experimental, validação cruzada (cross-validation), montagem de modelos e muito mais. More about Statistcs

• Mean Squared Error: Definition and Example
• Measurement Error (Observational Error)
• Measurement Variable: Simple Definition & Examples
• Measures of Spread: Definitions, Examples
• Measures of Variation: Definition, Types and Examples
• Median Absolute Deviation
• Memoryless Property: Definition and Examples in Statistics
• Method of Moments Definition and Example
• Metropolis-Hastings Algorithm / Metropolis Algorithm

As melhores bibliotecas para Python e Processamento de Linguagem Natural

Libraries for data science

Essas são as melhores bibliotecas que transferem o Python de uma linguagem de programação de uso geral para uma ferramenta poderosa e robusta para análise e visualização de dados.

NumPy

O NumPy é a biblioteca básica ou o computador científico em Python, e muitas das bibliotecas downstream usam arrays NumPy como entradas e saídas. O NumPy introduz objetos para matrizes e matrizes multidimensionais e também rotinas que permitem aos desenvolvedores executar funções matemáticas e estatísticas avançadas nos arrays com o menor código possível.

Exemplo:

import numpy as np 
# Create the following rank 2 array with shape (3, 4) # [[ 1 2 3 4] # [ 5 6 7 8] # [ 9 10 11 12]] a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]]) 
# Use slicing to pull out the subarray consisting of the first 2 rows # and columns 1 and 2; b is the following array of shape (2, 2): # [[2 3] # [6 7]] b = a[:2, 1:3] 
# A slice of an array is a view into the same data, so modifying it # will modify the original array. print(a[0, 1]) # Prints "2" b[0, 0] = 77 # b[0, 0] is the same piece of data as a[0, 1] 
print(a[0, 1]) # Prints "77"