Batang kesalahan dengan resampling (bootstrap)
Kenapa ini penting "Akurasi 95% pada 100 item" bisa saja jadi 90% atau 99% pada 100 item berikutnya. Error bar menunjukkan seberapa jauh kita bisa mempercayai angka tersebut.
Lihat sendiri
Mainkan animasinya. Kamu cuma punya satu set tes, tapi kamu bisa tanya: kalau set tesnya sedikit berbeda, seberapa besar skornya akan berubah? Buat set tes pura-pura yang baru dengan mengambil 100 item dari 100 item milikmu secara acak, dengan pengembalian (beberapa item dua kali, beberapa tidak sama sekali), dan beri skor. Lakukan itu 2,000 kali. 95% bagian tengah dari skor tersebut adalah error bar kamu.
Bootstrap: memperkirakan ketidakpastian dengan mengambil sampel ulang data kamu sendiri dengan pengembalian. 95% interval: persentil ke-2,5 sampai ke-97,5 dari skor yang diambil sampel ulang.
Kata dan simbol di pelajaran ini
- bootstrap
- lakukan resampling pada test set kamu dengan pengulangan untuk melihat seberapa besar skornya berubah
- 95% interval
- 95% bagian tengah dari skor yang diambil sampel ulang
Tulis bootstrap_ci(correct, n=2000, seed=0): gambar semua resample sekaligus dengan np.random.default_rng(seed).integers(0, len(correct), (n, len(correct))), beri skor masing-masing, dan kembalikan persentil ke-2.5 dan ke-97.5.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.