可视化类别的方差/标准差

Question

数据结构：

Method Category   Variance for X
1         A             20
1         B             14
1         C             16
2         A             14
2         B             19

其中X不是用于分类，而是评价标准。目标是选择方法，在大多数类/总体方差最小的情况下，对X产生最小可能方差的分类。

我的问题是:是否有一些标准(或模糊的)方法来可视化大量类别的差异？

Answer 1

我知道这可能不完全符合你的需要，但我的第一个想法将不是形象化的差异。相反，我将为每个方法定义一个度量。

例如，考虑到给定的所有结果，您有一个输出向量(每个类别的X为一个方差)，然后您可以简单地计算该向量的p-范数，并将其与其他方法获得的范数进行比较：

\left\lVert x\right\rVert_p = \left( \sum_{i=1}^n x_i^p \right)^{1/p}

p=2给你欧几里德范数，你可以增加或减少p，这取决于你想要提高对最大值或平均值的关注。

在可视化方面，您可以简单地绘制(例如，在条形图中)所选择的一些规范(例如，命令1、2和无穷大)。

为了进行纯粹的可视化，您可以用小提琴的情节来绘制数据。例如，在python中：

import seaborn as sns
sns.violinplot(x="Method", y="Variance for X", data=your_data_as_df)

每把小提琴都会让你了解数据是如何分布在所有类别的。