知识卡片
边际相同不代表联合相同
两个变量各自的分布可以几乎一样,联合起来却完全不同。书中的例子:ys1=x+噪声、ys2=-x+噪声,两条序列的直方图看不出区别(都是正态、均值方差相近),但画成散点就是两条方向相反的斜带,相关系数分别约 +0.9 与 -0.9。这说明只看每个维度的一维摘要,会漏掉最关键的依赖关系——而建模时“x 变大 y 怎么变”恰恰是核心。二维的第一步是散点图:它同时暴露关系的形状(线性还是弯曲)、强度和异常点;相关系数只概括线性强度,对非线性和离群点都不敏感,所以两者要一起看,不能用一个数字代替一张图。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第10章 数据工作 · 查看原书依据
如果你对 ys1 和 ys2 运行 plot_histogram,就会看到类似的图(事实上,两个正态分布有相同的均值和标准差)。 但在联合分布上,每个都与 xs 有很大的差异
参考来源
- 位置:《数据科学入门(第2版)》第10章 数据工作(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0014.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「如果你对 ys1 和 ys2 运行 plot_histogram,就会看到类似的……」
- 原始内容:如果你对 ys1 和 ys2 运行 plot_histogram,就会看到类似的图(事实上,两个正态分布有相同的均值和标准差)。 但在联合分布上,每个都与 xs 有很大的差异