توحيد متوسط الميزة وتباينها: هل يجعل توزيعها طبيعيا؟

الخلاصة السريعة

لا؛ طرح متوسط ثابت والقسمة على انحراف موجب لا يفرضان شكل توزيع طبيعي، ولو صار متوسط القيم المحولة صفرا وتباينها واحدا.

• يحسب StandardScaler القيمة بطرح متوسط التدريب والقسمة على انحرافه؛ الإحصاء محفوظ لكل ميزة. ^[1] نفترض تباينا موجبا وتمركزا وتحجيما مفعلين.
• في قائمتنا 0 و 0 و 0 و 8 ، المتوسط 2 والتباين بمقام 4 يساوي 12 ؛ تصبح القيم ثلاث نسخ من سالب 1 ÷ جذر 3 ، ونسخة من جذر 3.
• متوسط الناتج صفر وتباينه واحد، لكن التكرارات ما زالت ثلاثة مقابل واحد. هذه الصفات العددية لا تثبت شكلا طبيعيا أو تماثلا.
• طبق الإحصاء المحفوظ على القيم اللاحقة؛ لا يلزم أن يصبح متوسطها صفرا. المثال حساب يدوي، وليس اختبار توزيع لمجتمع أو تجربة لتحسين نموذج.

ما الذي تحدده صيغة التحويل؟

تعرف الوثائق التحويل بطرح متوسط التدريب من القيمة ثم القسمة على انحرافه المعياري، مع حفظ الإحصاء للاستخدام اللاحق. ^[1]

نقيد الشرح بعمود واحد، وبقيم معلومة ذات تباين موجب، وبتمركز وتحجيم مفعلين. لا نبحث هنا في حالة عمود ثابت أو قيم مفقودة. المتوسط يحدد مقدار الإزاحة، والانحراف يحدد عامل تغيير المقياس؛ لا توجد في هذه الصيغة خطوة تعيد توزيع عدد السجلات على مواقع جديدة عشوائيا.

عندما تتساوى قيمتان قبل هذا التحويل، تبقيان متساويتين بعده. وعندما تختلفان، تحفظ القسمة على عامل موجب ترتيبها. هذا استنتاج من الصيغة الثابتة، لا افتراض أن جميع أنواع المعالجة تحفظ ترتيب القيم أو عدد مواضعها المختلفة.

أربع قيم تحقق المتوسط صفر والتباين واحد

نؤلف أربع قيم: 0 و 0 و 0 و 8. مجموعها 8 ، ومتوسطها 2. فروقها عن المتوسط هي سالب 2 ثلاث مرات و 6 مرة واحدة. مجموع مربعات الفروق 48 ، وقسمته على عدد القيم 4 يعطي التباين 12. نعلن هذا المقام قبل الحساب، ولا نستعمل تباينا بمقام 3.

الانحراف هو جذر 12 ، أي ضعفا جذر 3. بعد القسمة تصبح الأصفار سالب 1 ÷ جذر 3 ، وتصبح 8 جذر 3. لم نضف قيما بين الموضعين أو نحذف تكرارا؛ لا تزال القائمة تضم أربعة عناصر مرتبطة بسجلاتها.

مجموع القيم الجديدة صفر، ومجموع مربعاتها 4 ، فيكون متوسطها صفرًا وتباينها بمقام 4 واحدًا. هذه علاقات مثالية حسبناها يدويا؛ لم نستدع المكتبة أو نعالج ملفا حقيقيا، وقد يحتاج حساب عشري إلى وصف دقة التقريب.

لماذا لا يكفي الإحصاءان للحكم على الشكل؟

توضح قائمتنا أن معرفة المتوسط والتباين لا تخبرنا وحدها أين تتجمع العناصر. ثلاث قيم على جانب واحد من الصفر وقيمة على الجانب الآخر تحققان الإحصاءين المطلوبين، دون أن يصبح عدد القيم عند الموضعين متساويا.

ولذلك لا نستبدل عبارة «وحدنا المقياس» بعبارة «أثبتنا التوزيع الطبيعي». كما لا نستنتج توزيع مجتمع كامل من أربع ملاحظات تعليمية. الذي ثبت هنا أن الحساب لا يغير تكرار القيم المتساوية، وأن شرط المتوسط والتباين وحده لا يصف جميع تفاصيل الشكل.

ليس الغرض اختيار اختبار إحصائي أو تقرير أن كل مجموعة غير طبيعية غير صالحة للتعلم. سؤال شكل التوزيع وسؤال ملاءمة التمثيل لمهمة معينة يحتاجان معلوماتهما؛ الصيغة وحدها لا تعطي جوابا عنهما.

ماذا يحدث عند وصول قيم لاحقة؟

نفترض وصول القيمة 2 بعد تثبيت إحصاء مثالنا. تتحول إلى صفر لأنها تساوي المتوسط المحفوظ. وإذا وصلت قائمة مكونة من 2 و 2 فقط، أصبح ناتجها صفرين؛ ليس تباين هذه القائمة الجديدة واحدا.

الشرط العددي الذي تحقق على قائمة حساب الإحصاء لا ينتقل تلقائيا إلى كل قائمة لاحقة. إعادة حساب متوسط جديد لكل طلب تغير التحويل نفسه، فلا نقارن الناتج الجديد بالقديم كأن المرجع واحد.

نقترح حفظ تعريف العمود وإحصائه وتاريخ حالة التحويل، مع وصف ما تحقق حسابيا وما لم يفحص. لم نختبر توزيعا أو نموذجًا؛ النتيجة تميز توحيد مقياس معلوم عن إثبات شكل إحصائي أو أداء على حالات جديدة.