Thanh sai số bằng cách lấy mẫu lại (bootstrap)
Vì sao điều này quan trọng "Độ chính xác 95% trên 100 mục" có thể dễ dàng là 90% hay 99% trên 100 mục tiếp theo. Một thanh sai số nói nên tin con số tới đâu.
Xem nó
Hãy chạy hoạt ảnh. Bạn chỉ có một tập kiểm thử, nhưng bạn có thể hỏi: nếu tập kiểm thử đã ra hơi khác một chút, điểm số sẽ thay đổi bao nhiêu? Tạo một tập kiểm thử giả định mới bằng cách rút ngẫu nhiên 100 mục từ 100 mục của bạn, có hoàn lại (một số mục hai lần, một số không lần nào), và chấm điểm nó. Làm điều đó 2.000 lần. 95% ở giữa của những điểm số đó là thanh sai số của bạn.
Bootstrap: ước lượng độ bất định bằng cách lấy mẫu lại dữ liệu của chính bạn có hoàn lại. Khoảng 95%: từ bách phân vị thứ 2.5 tới 97.5 của các điểm số được lấy mẫu lại.
Từ và ký hiệu trong bài học này
- bootstrap
- lấy mẫu lại tập kiểm thử của bạn có lặp để thấy một điểm số dao động bao nhiêu
- khoảng 95%
- 95% ở giữa của các điểm số được lấy mẫu lại
Viết bootstrap_ci(correct, n=2000, seed=0): rút mọi mẫu lại cùng lúc bằng np.random.default_rng(seed).integers(0, len(correct), (n, len(correct))), chấm điểm mỗi cái, và trả về các bách phân vị thứ 2.5 và 97.5.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.