<p>numpy.cov () और numpy.var () डिफ़ॉल्ट पूर्वाग्रह असंगत हैं (numpy 1.9.2)</p>

को निर्मित 4 मई 2015 · 5टिप्पणियाँ · स्रोत: numpy/numpy

cov () डिफ़ॉल्ट रूप से 1 के पूर्वाग्रह का उपयोग करता है।
var () डिफ़ॉल्ट रूप से 0 के पूर्वाग्रह का उपयोग करता है।

ऐसा है कि

import numpy as np

x = np.random.rand(100)

if np.isclose(np.cov([x,x])[0,0], np.var(x)):
    print("Consistent by default.")

if np.isclose(np.cov([x,x],ddof=0)[0,0], np.var(x,ddof=0))
    print("Consistent.")

केवल दूसरी पंक्ति प्रिंट करेगा।

00 - Bug numpy.lib

स्रोत

jg-you

👍1

सबसे उपयोगी टिप्पणी

@rgommers हाँ, "वैध कोड कभी न तोड़ें" एक बहुत अच्छा नियम है।

यदि आप cov बिना bias या ddof कॉल करें, तो चेतावनी के बारे में और फिर व्यवहार को कभी न बदलें?

AllenDowney 23 सित॰ 2020

👍3 ❤2

सभी 5 टिप्पणियाँ

हाँ। मुझे नहीं पता कि हम इस बिंदु पर उसके बारे में क्या कर सकते हैं। यह मुद्दा संभवतः मेलिंग सूची पर सबसे अच्छा चर्चा करता है।

charris 14 मई 2015

मैं सुझाव देना चाहता हूं कि यह ठीक करने लायक है, दर्दनाक है, हालांकि यह होगा।

मुझे लगता है कि दोनों के लिए सबसे अच्छा डिफ़ॉल्ट ddof=0 , जो एक आंकड़े को आंकने वाले सारांश के रूप में गणना करता है, जो एक अनुमानक के साथ विपरीत है।

यदि कोई इसके बजाय एक निष्पक्ष अनुमानक चाहता है, तो उन्हें ddof=1 प्रदान करके इसके लिए पूछना चाहिए।

इसका मतलब है कि cov का व्यवहार बदलना, जो मुझे लगता है कि var से कम उपयोग किया जाता है, इसलिए यह अच्छा है।

पहले कदम के रूप में, cov भविष्य की चेतावनी को जोड़ने के बारे में कैसे न तो bias और न ही ddof प्रदान किया जाता है?

उसी समय, क्या मैं bias पदावनत करने का सुझाव दे सकता हूं? पूर्वाग्रह की अवधारणा केवल तभी लागू होती है जब हम अनुमानों के रूप में विचरण और सहसंयोजकता के बारे में सोच रहे होते हैं। लेकिन फिर से, मुझे लगता है कि इन कार्यों को वर्णनात्मक आंकड़ों के रूप में सोचने के लिए सबसे अच्छा डिफ़ॉल्ट है जब तक कि हमें अन्यथा नहीं बताया जाता है।

एक ही बात को एक अलग तरीके से कहना, अगर मैं चाहता हूं कि एक सरल वर्णनात्मक आंकड़ा है, तो एक पक्षपाती अनुमानक के लिए पूछना अजीब है।

AllenDowney 23 सित॰ 2020

... cov , जो मुझे लगता है कि var से कम उपयोग किया जाता है, इसलिए यह अच्छा है।

यह सच प्रतीत होता है ( यहाँ से सारांश उपयोग डेटा):

def cov(
    m: object,
    y: object = ...,
    rowvar: Union[float, bool, int] = ...,
    bias: Union[float, int, bool] = ...,
    aweights: numpy.ndarray = ...,
):
    """
    usage.dask: 11
    usage.matplotlib: 3
    usage.pandas: 7
    usage.scipy: 21
    usage.sklearn: 24
    """

def var(
    a: object,
    axis: Union[int, None, Tuple[Union[int, None], ...]] = ...,
    out: Union[dask.dataframe.core.Scalar, dask.dataframe.core.Series] = ...,
    keepdims: bool = ...,
    dtype: Union[Literal["i8", "f8"], Type[float], None] = ...,
    ddof: int = ...,
):
    """
    usage.dask: 59
    usage.pandas: 13
    usage.scipy: 19
    usage.sklearn: 55
    usage.xarray: 31
    """

इसका मतलब है कि cov का व्यवहार बदलना

दुर्भाग्य से मुझे नहीं लगता कि हम ऐसा कर सकते हैं। हम फ़ंक्शन को चित्रित कर सकते हैं और एक नया जोड़ सकते हैं (जो दर्दनाक होगा), लेकिन हमें निश्चित रूप से वर्तमान फ़ंक्शन के व्यवहार को नहीं बदलना चाहिए - जो चुपचाप संख्यात्मक परिणामों को बदल देगा और वर्तमान में मान्य कोड को गलत बना देगा। हम ऐसा कभी नहीं करने की कोशिश करते हैं; FutureWarning यह गारंटी देने के लिए पर्याप्त नहीं है कि लोग समस्या को देखते हैं।

rgommers 23 सित॰ 2020

@rgommers हाँ, "वैध कोड कभी न तोड़ें" एक बहुत अच्छा नियम है।

AllenDowney 23 सित॰ 2020

👍3 ❤2

यदि आप cov बिना bias या ddof कॉल करें, तो चेतावनी के बारे में और फिर व्यवहार को कभी न बदलें?

यह एक उचित काम करने जैसा लगता है। cov घटाने से बेहतर है। ddof=0/1 जोड़ना एक मामूली झुंझलाहट है, लेकिन कोड को अधिक समझ में आता है, इसलिए मुझे यह विचार पसंद है।

rgommers 23 सित॰ 2020

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

<p>numpy.cov () और numpy.var () डिफ़ॉल्ट पूर्वाग्रह असंगत हैं (numpy 1.9.2)</p>

सबसे उपयोगी टिप्पणी

सभी 5 टिप्पणियाँ

संबंधित मुद्दों