データ分析において、分散は非常に基本的な概念です。 Go 言語では、分散を見つけることも非常に簡単です。この記事は、読者が Go で分散を見つける方法を理解するのに役立ちます。
分散は、データ分布の分散の尺度です。分散が大きいほどデータの分散は大きくなり、逆に分散が小さいほどデータの分散は小さくなります。
分散の式:
$\sigma^2 = \frac{\sum_{i=1}^n (x_i - \mu)^2}{n}$
このうち、$x_i$は$i$番目のデータ、$\mu$は全データの平均、$n$はデータの数を表します。
Go では、次のコードを使用して分散検出を実装できます。
package main import ( "fmt" "math" ) func main() { // 原始数据 data := []float64{1, 2, 3, 4, 5} // 求均值 mean := mean(data) // 求方差 variance := variance(data, mean) fmt.Println(variance) } // 求均值 func mean(data []float64) float64 { sum := 0.0 for _, value := range data { sum += value } return sum / float64(len(data)) } // 求方差 func variance(data []float64, mean float64) float64 { sum := 0.0 for _, value := range data { sum += math.Pow(value - mean, 2) } return sum / float64(len(data)) }
まず、スライスを定義してから、平均関数と分散関数を呼び出します。
mean 関数は、元のデータの平均を見つけるために使用されます。for ループを使用してデータを走査して合計し、データの数で割ります。
分散関数は分散を見つけるために使用されます。最初に for ループを使用してデータを走査し、次に math.Pow 関数を使用して各データと平均の差の 2 乗を見つけ、すべてを加算します。正方形。最後にデータ数で割ります。
分散に関しては、もう 1 つの非常に重要な概念が標準偏差です。標準偏差は分散の平方根であり、データの変動性を表します。標準偏差が大きいほどデータの変動は大きくなり、逆に標準偏差が小さいほどデータの変動は小さくなります。
Go で標準偏差を見つけるには、次のコードを使用できます:
package main import ( "fmt" "math" ) func main() { // 原始数据 data := []float64{1, 2, 3, 4, 5} // 求均值 mean := mean(data) // 求标准差 stdDev := stdDev(data, mean) fmt.Println(stdDev) } // 求标准差 func stdDev(data []float64, mean float64) float64 { sum := 0.0 for _, value := range data { sum += math.Pow(value - mean, 2) } variance := sum / float64(len(data)) return math.Sqrt(variance) }
標準偏差を求める実装は、分散を求めることと非常によく似ています。使用する必要があるのは、次の数学のみです。分散関数の最後に.Sqrt関数を使用して平方根を求めることができます。
この記事では、Goで分散と標準偏差を求める実装方法を紹介します。分散と標準偏差は、データの分析と処理にとって非常に重要な概念です。この記事で提供されているコードはシンプルで理解しやすいため、読者がすぐに理解して適用するのに役立ちます。データの分析と処理についてさらに学びたい場合は、分散と標準偏差の計算を習得することが不可欠です。
以上がGolang で分散を見つける方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。