几何平均数：衡量增长与复利的指标

您是否曾计算过自己每年的投资平均回报，却发现整体实际回报与之对不上？这种金融中的常见情况凸显了理解并应用几何平均数的重要性——在处理变化率和复利效应时，这一有用指标往往比广泛使用的算术平均数更为合适。

在本教程中，我们将探讨几何平均数的概念及其在数据分析中的作用，尤其是在金融、生物学和数据科学等领域。我们还将考察几何平均数优于其他集中趋势度量的场景。

什么是几何平均数？

几何平均数是一种平均值，在处理正数集合时尤其有用，特别是涉及乘法或指数增长的情况。不像更常见的算术平均数通过求和再除以数量来计算，几何平均数在处理具有乘法关系或指数增长的数据集方面更为擅长。

以下是几何平均数具有价值的一些领域：

1. 金融：常用于计算多期的平均回报率。不同于算术平均数，几何平均数考虑了复利效应，使其在财务计算上更为准确。
2. 生物学：在人口增长研究中，几何平均数用于计算一段时间内的平均增长率。
3. 几何学：它在直角三角形中有优雅的体现——斜边上的高是其在斜边上分割出的两段的几何平均数。此外，几何平均数代表着与给定矩形面积相等的正方形的边长，提供了一种将矩形面积“平方化”的方法。

可见，几何平均数既是日常计算中的有用工具，也是更抽象数学概念中的重要角色。

如何计算几何平均数

计算几何平均数有多种方法，具体选择取决于情境，各有优势。

几何平均数的公式

最直接的方法是使用标准公式：

其中，x₁、x₂、...、xₙ为数据集中所有正数，n为数量。要得到几何平均数，我们将所有数值相乘，再对乘积开 n 次方根（n 为数值个数）。下面通过示例演示。设数值为 2、4 和 8。求其几何平均数：

1. 相乘：2 * 4 * 8 = 64
2. 开立方根（因共有 3 个数）：∛64 ≈ 4

2、4、8 的几何平均数为 4。该结果表明，如果有三个相等的数，每个都等于 4，那么它们的乘积与原始三个数的乘积相同。本质上，4 是贯穿这三个值的一致增长因子。

用对数相加计算几何平均数

对于更大的数据集，或在处理极大数值以避免溢出时，可以使用对数。该方法将乘法转化为加法，使计算更易管理。具体做法是先对每个数取对数，计算这些对数的算术平均数，然后对该平均数取反对数（指数）。我们继续使用上述示例。

1. 取常用对数（以 10 为底）：log(2) ≈ 0.3010，log(4) ≈ 0.6021，log(8) ≈ 0.9031
2. 算术平均数：(0.3010 + 0.6021 + 0.9031) / 3 ≈ 0.6021
3. 取反对数：(10^x) = 10^0.6021 ≈ 4

该方法得到与直接计算相同的结果。您可以使用任意底的对数（例如以e为底的自然对数），只要在整个计算过程中保持相同的底，最终得到的几何平均数是一致的。

数据科学与机器学习中的几何平均数

几何平均数是一项有用的统计量，在数据科学和机器学习中有多种重要应用。以下是三个关键用例，展示其价值。

增长率与时间序列分析

在数据科学中，我们常分析随时间变化的增长率，例如人口动态、市场趋势或用户增长。几何平均数非常适用于这些情境，因为它能准确反映复合增长的特性。不同于不考虑逐年增长累积效应、仅对增长率简单平均的算术平均数，几何平均数会将这种复利效应纳入考量。

设想您要分析一家初创公司五年间的年度用户增长率：20%、15%、25%、10% 和 30%。尽管算术平均数（20%）看似快捷，但没有考虑复合效应。几何平均数（(1.20 * 1.15 * 1.25 * 1.10 * 1.30)^(1/5) - 1 ≈ 19.77%）提供了更准确的平均增长率：若每年都按该比率增长，最终结果将与实际的变化增长率相同。

偏态数据的统计分析

在数据科学中，我们经常处理由于乘法过程导致正偏的数据显示，如收入、生物测量或某些金融指标。在此类情境下，使用算术平均数可能会产生误导，因为它对极端值（离群值）敏感，容易扭曲对集中趋势的刻画。

当数据服从对数正态分布时，几何平均数尤其有用。原因如下：

• 减小离群值影响： 几何平均数能削弱极高或极低值的影响，为偏态数据提供更具代表性的中心值。
• 适配乘法关系： 当数值是以乘法而非加法方式组合时，几何平均数更为合适。

考虑一个地区的家庭收入数据集，其中大多数家庭收入在 30,000 至 60,000 美元之间，但有少数超过 100 万美元。

• 算术平均收入： 会被高收入离群点严重拉高，可能给出远高于大多数人实际收入的平均值。
• 几何平均收入： 通过弱化极端值影响，更准确地反映典型收入水平。

在这种情况下使用几何平均数，数据科学家可以获得更准确的集中趋势度量，从而获得更好的洞察和更可靠的分析。这使得几何平均数在处理各领域的偏态分布时成为不可或缺的工具。

不平衡数据集的评估指标

在分类任务中，我们常会遇到类别不平衡的数据集，即某些类别的样本数量远多于其他类别。在这种情况下，传统的准确率等评估指标可能会产生误导。此时，几何平均得分（G-Mean）便是有价值的工具。

G-Mean 是各类别召回率（敏感度）乘积的根。在二分类中，它等于敏感度与特异度乘积的平方根。在多分类问题中，则为各类别敏感度乘积的更高次方根。

G-Mean 旨在平衡各类别的准确性，对不平衡数据集尤为有用。但需注意，当任一类别的敏感度为零时，G-Mean 未定义，这限制了其在极端不平衡场景下的适用性。实践中，可能会采用修正版本或其他替代指标来应对这一限制。

若想进一步了解几何平均数及其他统计量在机器学习中的应用，欢迎探索我们的Machine Learning Scientist with Python 职业路径，该路径提供深入课程，涵盖关键的机器学习概念与技术，并配有实践洞见与上手练习。