Yeniden örneklemeyle hata çubukları (bootstrap)
Neden önemli "100 öğede %95 doğruluk" sonraki 100'de rahatça %90 ya da %99 olabilir. Bir hata çubuğu sayıya ne kadar güvenileceğini söyler.
Gör
Animasyonu oynat. Yalnızca bir test kümen var, ama şunu sorabilirsin: test kümesi biraz farklı çıksaydı puan ne kadar değişirdi? 100 öğenden yerine koyarak rastgele 100 öğe çekerek (bazı öğeler iki kez, bazıları hiç) yeni bir sahte test kümesi yap ve puanla. Bunu 2.000 kez yap. Bu puanların ortadaki %95'i senin hata çubuğundur.
Bootstrap: kendi verini yerine koyarak yeniden örnekleyerek belirsizliği tahmin etmek. %95 aralık: yeniden örneklenmiş puanların 2.5. ile 97.5. yüzdelikleri arası.
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
bootstrap_ci(correct, n=2000, seed=0) yaz: bütün yeniden örneklemeleri np.random.default_rng(seed).integers(0, len(correct), (n, len(correct))) ile tek seferde çek, her birini puanla, ve 2.5. ile 97.5. yüzdelikleri döndür.
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.