Ein Log-Log-Diagramm ist ein Diagramm, das sowohl auf der x-Achse als auch auf der y-Achse logarithmische Skalen verwendet.
Diese Art von Diagramm ist nützlich, um zwei Variablen zu visualisieren, wenn …
Ein Histogramm ist eine Art Diagramm, bei dem rechteckige Balken zur Darstellung von Frequenzen verwendet werden. Es ist ein hilfreiches Diagramm zur Visualisierung der Verteilung von Werten in einem Datensatz.
In diesem Tutorial wird erläutert, wie Sie Histogramme in SPSS erstellen und ändern.
Angenommen, wir haben den folgenden Datensatz, der die durchschnittliche Anzahl von Punkten zeigt, die pro Spiel von 20 verschiedenen Basketballspielern erzielt wurden:
Um ein Histogramm zu diesem Datensatz erstellt haben, können wir uns auf die Registerkarte Diagramme klicken, dann Chart Builder.
Wählen Sie im daraufhin angezeigten Fenster in der Liste Auswählen die Option Histogramm aus und ziehen Sie es in das Bearbeitungsfenster. Ziehen Sie dann die variablen Punkte in die x-Achse:
Sobald Sie auf OK klicken, wird das folgende Histogramm angezeigt:
Standardmäßig wählt SPSS eine Intervallbreite für die Balken im Diagramm. Sie können diese Breite jedoch ändern, indem Sie mit der rechten Maustaste auf einen der Balken im Diagramm klicken und dann auf Inhalt bearbeiten> In separatem Fenster klicken.
Doppelklicken Sie in dem neuen Fenster, das angezeigt wird, auf eine der Leisten, um ein Eigenschaftenfenster aufzurufen. Sie können dann die genaue Intervallbreite auswählen, die Sie verwenden möchten. Zum Beispiel könnten wir eine Breite von 2 verwenden:
Sobald wir auf Übernehmen klicken, wird das Histogramm mit einer neuen Intervallbreite von 2 aktualisiert:
Beachten Sie, dass im Histogramm mehr Balken angezeigt werden, je kleiner die Intervallbreite ist. Je größer die Intervallbreite ist, desto weniger Balken werden im Histogramm angezeigt.
Ein Log-Log-Diagramm ist ein Diagramm, das sowohl auf der x-Achse als auch auf der y-Achse logarithmische Skalen verwendet.
Diese Art von Diagramm ist nützlich, um zwei Variablen zu visualisieren, wenn …
Bei der Verwendung von Klassifizierungsmodellen beim maschinellen Lernen verwenden wir häufig zwei Metriken, um die Qualität des Modells zu bewerten, nämlich Präzision und Erinnerung.
Precision: Korrigieren Sie positive Vorhersagen im …