İki modeli adilce karşılaştırmak
Neden önemli 1. derse geri dönüş. Karar vermenin doğru yolu bu.
İki model de aynı 100 öğeyi cevapladı. Bu yüzden her puana ayrı ayrı hata çubuğu koyma; öğeleri çiftler halinde yeniden örnekleyerek farka bir tane koy. Her yeniden örnekleme yerine koyarak 100 öğe seçer ve aynı öğelerde B'nin doğruluğu eksi A'nınkini hesaplar. Bu farkın %95 aralığı 0'ı içeriyorsa, veri modelleri birbirinden ayıramaz.
Eşleştirilmiş karşılaştırma: iki modeli aynı test kümesinde öğe öğe karşılaştırmak, bu da her öğenin ne kadar zor olduğunu sadeleştirir.
1. dersin 100 resminin nasıl seçildiği, dürüstçe: okuyucular simüle edilmiş, ve kurs A'nın B'nin 4 puan önünde olduğu 100 resimlik bir çekiliş seçti. 100 resimlik 2.000 rastgele çekilişte A yalnızca zamanın %8'inde 4 puan ya da daha fazla öndeydi; B yarısında öne geçti, ve %14'ü beraberlikti. Bu gerçek bir şans türü, bir noktayı göstermek için seçilmiş: 100'lük tek bir test kümesi yanlış yönü gösterebilir.
Bu dersteki kelimeler ve semboller
- bootstrap
- bir puanın ne kadar oynadığını görmek için test kümeni tekrarlarla yeniden örneklemek
- %95 aralık
- yeniden örneklenmiş puanların ortadaki %95'i
- eşleştirilmiş karşılaştırma
- iki modeli aynı öğelerde, öğe öğe karşılaştırmak
paired_diff_ci(a, b, n=2000, seed=0) (B eksi A'nın aralığı, öğe indekslerini bootstrap dersindeki gibi yeniden örnekleyerek) ve "A", "B" ya da "no clear difference" döndüren verdict(a, b) yaz. 1. dersin modelleri üzerinde çalıştır.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.