다시 뽑아서 만드는 오차 막대(부트스트랩)
왜 중요한가 "항목 100개에서 정확도 95%"는 다음 100개에서 쉽게 90%나 99%일 수 있어요. 오차 막대는 그 숫자를 얼마나 믿을지 알려 줘요.
보기
애니메이션을 재생하세요. 테스트 세트는 하나뿐이지만, 이렇게 물을 수 있어요: 테스트 세트가 조금 다르게 나왔다면 점수가 얼마나 바뀌었을까? 자기 100개에서 무작위로, 복원 추출로(어떤 항목은 두 번, 어떤 항목은 한 번도 안) 100개를 뽑아 새 가짜 테스트 세트를 만들고 점수를 매기세요. 그걸 2,000번 하세요. 그 점수들의 가운데 95%가 오차 막대예요.
부트스트랩: 자기 데이터를 복원 추출로 다시 뽑아서 불확실성을 추정하기. 95% 구간: 다시 뽑은 점수들의 2.5번째부터 97.5번째 백분위수.
이 레슨의 단어와 기호
- 부트스트랩
- 점수가 얼마나 흔들리는지 보려고 테스트 세트를 반복 허용으로 다시 뽑기
- 95% 구간
- 다시 뽑은 점수들의 가운데 95%
bootstrap_ci(correct, n=2000, seed=0)을 쓰세요: np.random.default_rng(seed).integers(0, len(correct), (n, len(correct)))로 모든 재표본을 한꺼번에 뽑고, 각각 점수를 매기고, 2.5번째와 97.5번째 백분위수를 반환하세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.