تحجيم MAD بخيار normal قد يربك مساعدًا يقرأ ملخص تشتت في تقرير بيانات. الكلمة تصف معامل تحجيم في العقد، ولا تكفي لإعلان أن البيانات موزعة طبيعيًا أو أن الرقم صار الانحراف المعياري المحسوب من مربعات الفروق. نبدأ بخمس قيم معلنة ثم نفصل الوسيط ومقياس التحجيم والادعاء الإحصائي.
الخلاصة السريعة
تقسم median_abs_deviation الناتج على scale؛ القيمة normal تستعمل نحو 0.67449. [1] القسمة تغير المقياس، ولا تثبت شكل توزيع البيانات.
- MAD الموصوف هو وسيط الفروق المطلقة عن وسيط البيانات. [1] نثبت هذا المركز وخمس قيم معلومة في الورقة، لا متوسطًا بديلًا.
- قيمنا 0 و 1 و 2 و 3 و 100 وسيطها 2 ؛ فروقها المطلقة 2 و 1 و 0 و 1 و 98 ، ووسيط تلك الفروق واحد.
- مع scale=normal نقسم الواحد على نحو 0.67449 ، فيصير نحو 1.4826 ؛ الاسم لا يضيف قياسات أو يثبت أن التوزيع طبيعي.
- تغيير center إلى المتوسط لا يحول الإجراء إلى متوسط الفروق المطلقة. [1] احفظ المركز والقاسم والوحدة؛ لا تخلط المقاييس أو تدعي جودة نموذج، ولم نشغل SciPy.
أي وسيط نحسب مرتين؟
تعرّف الوثائق MAD بوسيط الفروق المطلقة عن وسيط البيانات. [1]
سنعلن خمس قراءات تعليمية بالوحدة نفسها، هي صفر وواحد واثنان وثلاثة ومئة. ليست هذه قراءات جهاز أو عينة راجعنا تسجيلها. نثبت استعمال وسيط القائمة مركزًا؛ لا نتبادل المركز مع متوسطها دون تغيير وصف الحساب.
الخطوة الأولى إيجاد وسيط القيم، والخطوة الثانية إيجاد وسيط قائمة فروقها المطلقة. إذا اختصر المساعد ذلك إلى «متوسط البعد عن الوسط» فقد غير عمليتين معًا. نقترح كتابة اسم المركز واسم تجميع الفروق في خانتين منفصلتين قبل تفسير الاختصار.
كيف تعطي قيمة مئة MAD يساوي واحدًا؟
القائمة مرتبة أصلًا، وفيها خمسة عناصر، فالعنصر الأوسط اثنان. نحسب بعدها الفروق المطلقة عن اثنين: للصفر اثنان، وللواحد واحد، وللاثنين صفر، وللثلاثة واحد، وللمئة ثمانية وتسعون.
نرتب قائمة الفروق إلى صفر وواحد وواحد واثنين وثمانية وتسعين. وسيطها، أي عنصرها الثالث، واحد. لم نحذف المئة من الأصل أو نستبدلها؛ دخل فرقها الكبير في قائمة الحساب، لكنه لم يصبح العنصر الأوسط.
إذن الواحد ليس حكمًا بأن كل قراءة قريبة من المركز أو أن المئة خاطئة. هو مقياس وفق تعريف الوسيط. صحة أي قراءة تحتاج دليلًا آخر، وعدد صغير من قيم مؤلفة لا يختبر شكل مجتمع أو صلاحية إجراء حذف.
هل scale قاسم أم مضاعف مباشر؟
توثق الدالة قسمة الناتج على scale؛ وnormal يستعمل كمّي التوزيع الطبيعي المعياري عند 0.75 ، نحو 0.67449. [1]
مع الناتج الخام واحد، القسمة على القاسم المذكور تعطي نحو 1.4826. الضرب المباشر في 0.67449 يعطي رقمًا آخر، فلا نستبدل اتجاه العملية لمجرد أن اسم الخيار «تحجيم». كلا الرقمين يمكن حسابه، لكن واحدًا فقط يمثل العلاقة التي قرأناها.
بقاء الوحدة نفسها لا يجعل المقياس مرادفًا لكل مقياس تشتت آخر. لم نعد توزيع القيم أو نجمع مشاهدات جديدة. كلمة normal تشير إلى اختيار عامل مرتبط بالتوزيع المرجعي المذكور، ولا تقدم اختبارًا أن قائمتنا ذات القيمة مئة تحقق ذلك النموذج.
ماذا إذا غيرنا center؟
توضح الوثائق أن center=np.mean يحسب وسيط الفروق المطلقة حول المتوسط، ولا يحسب متوسط الفروق المطلقة. [1]
هذا شرط مهم حين يتغير إعداد حساب في تقرير لاحق. تبديل المركز وحده يغير النقطة التي نقيس عنها البعد، لكنه لا يبدل تلقائيًا عملية أخذ الوسيط من قائمة الأبعاد إلى أخذ متوسطها. لا يكفي اسم MAD المشترك لمقارنة نسختين دون قراءة الإعداد.
نقترح إرفاق القائمة والوحدة والمركز والقاسم مع أي ملخص، وتسمية هل الرقم خام أم محجّم. لم نشغل الدالة أو نثبت توزيعًا طبيعيًا أو نقيم نموذج ذكاء اصطناعي. المثال يجعل قراءة إعداد التحجيم واضحة، مع إبقاء صحة البيانات وجدوى المقياس للمهمة سؤالين يحتاجان دليلًا مناسبًا.
المصادر ومتابعة القراءة
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.