Data Science & AI hoạt động

Dashboard theo dõi

Dashboard — Bảng điều khiển

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Thống kê mô tả từ file Phân phối, phân vị, ngoại lai, kiểm định chuẩn

Bước đầu tiên với bất kỳ dữ liệu nào: nó phân phối thế nào, có ngoại lai không, và có gần chuẩn đủ để dùng trung bình với độ lệch chuẩn hay không.

Đang chạy trên dữ liệu mẫu, không phải dữ liệu của bạn. Các ô còn nguyên mẫu dựng sẵn: Dữ liệu (dán hoặc tải file CSV). Chọn nguồn dữ liệu khác ở cột bên trái rồi chạy lại để có kết quả của riêng bạn.
Số quan sát 15
Trung bình 13.8800
Độ lệch chuẩn 2.6211
Số ngoại lai (IQR) 1 (6.7%)
Kết luận Không phải phân phối chuẩn
① Nguồn dữ liệu

Nhận dấu phẩy, chấm phẩy hoặc tab; tự nhận dòng tiêu đề; hiểu cả 1.234.567 lẫn 1.234,56.

Chỉ tải http/https tới địa chỉ công khai; địa chỉ nội bộ bị từ chối.

② Tham số

Giá trị mặc định là ví dụ chạy được — bấm Tính ngay để xem kết quả, rồi thay dữ liệu của bạn vào.

Phân phối giá trị

Phân phối giá trị3.362.241.12-4.441e-1612: 312.5: 113: 313.5: 214: 314.5: 115: 115.5: 016: 016.5: 017: 017.5: 018: 018.5: 019: 019.5: 020: 020.5: 021: 021.5: 022: 022.5: 11213.51516.51819.52122.5

Trung bình 13.88, trung vị 13.3. Hai con số lệch nhau càng nhiều thì phân phối càng lệch, và trung bình càng kém đại diện.

Diễn giải nhanh

Độ lệch = +3.02

Dưới |0,5| coi như cân đối. Lệch dương nghĩa là đuôi kéo về phía giá trị lớn, và khi đó trung bình bị kéo cao hơn trung vị.

Độ nhọn thừa = +5.62

Dương nghĩa là đuôi béo hơn phân phối chuẩn — biến cố cực đoan xảy ra thường xuyên hơn công thức chuẩn dự báo.

Jarque–Bera = 42.60 → bác bỏ chuẩn ở mức 5%

Ngưỡng là χ²(2) = 5,99. Bác bỏ nghĩa là mọi công thức giả định phân phối chuẩn trên dữ liệu này đều sai lệch, đặc biệt ở đuôi.

1 ngoại lai (6.7%)

Theo quy tắc 1,5×IQR: ngoài khoảng 10.43 – 16.23. Kiểm tra xem đó là lỗi nhập liệu hay biến cố thật trước khi loại.

Khi nào con số này sai: Trung bình và độ lệch chuẩn chỉ mô tả tốt dữ liệu gần chuẩn. Với phân phối lệch hoặc đuôi béo — kết quả Jarque–Bera ở dưới cho biết — hãy đọc trung vị và các phân vị thay vì trung bình.

Chi tiết

Nhỏ nhất / lớn nhất 11.8000 / 22.7000
Trung vị 13.3000
Q1 / Q3 / IQR 12.6000 / 14.0500 / 1.4500
p05 / p95 11.8700 / 17.3800
Độ lệch (skew) +3.0233
Độ nhọn thừa (kurtosis) +5.6208
Jarque–Bera 42.597 → BÁC BỎ phân phối chuẩn ở mức 5%
Ngưỡng ngoại lai < 10.4250 hoặc > 16.2250
Hệ số biến thiên 0.1888

Phân phối giá trị

Phân phối giá trị3.362.241.12-4.441e-1612: 312.5: 113: 313.5: 214: 314.5: 115: 115.5: 016: 016.5: 017: 017.5: 018: 018.5: 019: 019.5: 020: 020.5: 021: 021.5: 022: 022.5: 11213.51516.51819.52122.5

Trung bình 13.88, trung vị 13.3. Hai con số lệch nhau càng nhiều thì phân phối càng lệch, và trung bình càng kém đại diện.

Chuỗi theo thứ tự nhập

Chuỗi theo thứ tự nhập24.0119.51510.49

Vẽ để phát hiện bậc thang, đứt gãy hoặc xu hướng — những thứ mà thống kê mô tả không nhìn thấy vì nó bỏ qua thứ tự.

Toàn bộ chỉ số

Nhỏ nhất / lớn nhất 11.8000 / 22.7000
Trung vị 13.3000
Q1 / Q3 / IQR 12.6000 / 14.0500 / 1.4500
p05 / p95 11.8700 / 17.3800
Độ lệch (skew) +3.0233
Độ nhọn thừa (kurtosis) +5.6208
Jarque–Bera 42.597 → BÁC BỎ phân phối chuẩn ở mức 5%
Ngưỡng ngoại lai < 10.4250 hoặc > 16.2250
Hệ số biến thiên 0.1888

Công thức đang dùng

Jarque–Bera = n/6·(S² + K²/4), bác bỏ chuẩn khi > 5.99

Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng. API tại /api/v1/tools/series-stats gọi đúng hàm này, nên kết quả trên trang và qua API không thể lệch nhau.

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Với ô dữ liệu: dán vài chục dòng để thử, hoặc tải file CSV/TXT lên để chạy thật. File tối đa 32 MB, 200.000 dòng; bộ đọc nhận dấu phẩy, chấm phẩy hoặc tab, tự nhận dòng tiêu đề, và hiểu cả 1.234.567 lẫn 1.234,56.
  3. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  4. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

Dashboard theo dõi là gì

Dashboard biến dữ liệu thành quyết định. Tiêu chí đánh giá không phải số biểu đồ mà là: người xem có làm gì khác đi sau khi nhìn không. Phần lớn dashboard thất bại vì trả lời câu hỏi không ai hỏi.

Làm thế nào

  1. Bắt đầu từ quyết định cần hỗ trợ, rồi mới chọn chỉ số.
  2. Giới hạn số chỉ số chính; mọi thứ khác đưa vào lớp chi tiết.
  3. Luôn hiển thị mốc so sánh — một con số đứng một mình không có nghĩa.
  4. Ghi rõ độ trễ dữ liệu và định nghĩa từng chỉ số.

Đo bằng chỉ số nào

Tần suất truy cập thực tế dashboard không ai mở là dashboard hỏng
Thời gian từ mở tới hiểu thước đo thiết kế

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! Trình bày con số không kèm khoảng bất định khiến người xem phản ứng với nhiễu.
! Định nghĩa chỉ số khác nhau giữa các phòng ban làm dashboard trở thành nơi tranh cãi thay vì nơi quyết định.

Mô hình định lượng dùng trong Data Science

Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.

Tất cả mô hình →
Transformersắp có

Cơ chế attention, nắm quan hệ xa.

Temporal Convolutional Networksắp có

Tích chập nhân quả với receptive field kiểm soát được.

Deflated Sharpe Ratiohoạt động

Sharpe sau khi phạt vì số lần thử và độ lệch/nhọn của đuôi.

Probability of Backtest Overfittinghoạt động

Tỉ lệ cấu hình thắng in-sample lại xếp dưới trung vị ngoài mẫu.

Sản phẩm liên quan

Nhãn trạng thái gắn theo thực tế.

Dashboard sắp có Bảng điều khiển tuỳ biến

Câu hỏi thường gặp

Dashboard theo dõi là gì?

Dashboard biến dữ liệu thành quyết định. Tiêu chí đánh giá không phải số biểu đồ mà là: người xem có làm gì khác đi sau khi nhìn không. Phần lớn dashboard thất bại vì trả lời câu hỏi không ai hỏi.

Dashboard theo dõi được làm như thế nào?

1. Bắt đầu từ quyết định cần hỗ trợ, rồi mới chọn chỉ số. 2. Giới hạn số chỉ số chính; mọi thứ khác đưa vào lớp chi tiết. 3. Luôn hiển thị mốc so sánh — một con số đứng một mình không có nghĩa. 4. Ghi rõ độ trễ dữ liệu và định nghĩa từng chỉ số.

Dashboard theo dõi hay sai ở đâu?

Trình bày con số không kèm khoảng bất định khiến người xem phản ứng với nhiễu. Định nghĩa chỉ số khác nhau giữa các phòng ban làm dashboard trở thành nơi tranh cãi thay vì nơi quyết định.

Đo dashboard theo dõi bằng chỉ số nào?

Tần suất truy cập thực tế — dashboard không ai mở là dashboard hỏng; Thời gian từ mở tới hiểu — thước đo thiết kế.

Dashboard theo dõi trên QuantHub đã dùng được chưa?

Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.

Sản phẩm nào của QuantHub phục vụ dashboard theo dõi?

Dashboard (chưa xây dựng).

Chủ đề khác trong Data Science

Toàn bộ Data Science
Time Series Machine Learning Deep Learning NLP Computer Vision AutoML Feature Engineering Anomaly Detection