आगेअगली गाइड
बायेसियन बनाम फ़्रीक्वेंटिस्ट सांख्यिकी
बुनियादी बातें
बुनियादी गाइड
संभाव्यता बताई गई धारणाओं के तहत अनिश्चितता का वर्णन करती है, जबकि सांख्यिकी पैटर्न का अनुमान लगाने और मूल्यांकन करने के लिए टिप्पणियों का उपयोग करती है।
इस गाइड को सुनेंएआई-नैरेटेड · ~3 min
एमएल कार्य के लिए, व्यावहारिक कौशल सही विभाजक का चयन करना है, यह जांचना है कि डेटा का नमूना कैसे लिया गया और यह बताना कि परिणाम क्या स्थापित नहीं करता है।
किसी देखी गई मात्रा को उस जनसंख्या या प्रक्रिया से अलग करके प्रारंभ करें जिसे आप समझना चाहते हैं। एक नमूना माध्य एकत्र किए गए रिकॉर्ड का वर्णन करता है, लेकिन एक पक्षपाती नमूना प्रक्रिया इसे व्यापक आबादी के लिए भ्रामक बना सकती है। छूटे हुए अवलोकनों, दोहराई गई संस्थाओं और उदाहरणों का चयन कैसे किया गया, इसका निरीक्षण करें। अधिक पंक्तियाँ चयन पूर्वाग्रह को स्वचालित रूप से ठीक नहीं करती हैं या निर्भर अवलोकनों को स्वतंत्र नहीं बनाती हैं। वितरण और सारांश एक साथ सीखें। उदाहरणात्मक मानों [0, 0, 0, 20] के लिए, माध्य 5 है जबकि माध्यिका 0 है। कोई भी संख्या स्वाभाविक रूप से गलत नहीं है; प्रत्येक डेटा के बारे में एक अलग प्रश्न का उत्तर देता है। किसी औसत को पूर्ण विवरण के रूप में प्रस्तुत करने से पहले प्रसार और असामान्य मूल्यों की जांच करें। सशर्त संभाव्यता विचाराधीन समूह को बदल देती है। चेतावनियों के बीच सच्ची घटनाओं का अंश उन सभी सच्ची घटनाओं के अंश से भिन्न होता है जिन्हें सचेत किया गया था। मान लीजिए कि एक खिलौना डेटासेट में 10 सच्ची घटनाओं सहित 1,000 मामले हैं। एक सिस्टम सभी 10 घटनाओं और 90 अन्य मामलों को चिह्नित करता है। इसकी चेतावनी परिशुद्धता 10 को 100 या 10% से विभाजित करती है; इसका रिकॉल 10 को 10 या 100% से विभाजित किया जाता है। इन आविष्कृत गणनाओं से पता चलता है कि क्यों उच्च रिकॉल कई झूठी चेतावनियों के साथ सह-अस्तित्व में हो सकता है। अनिश्चितता का अनुमान मान्यताओं और मूल्यांकन डिजाइन पर निर्भर करता है। सामान्य आवृत्तिवादी व्याख्या में, 95% विश्वास प्रक्रिया अपनी मान्यताओं के तहत 95% दोहराए गए नमूनों में एक निश्चित जनसंख्या पैरामीटर को कवर करती है; यह यह वादा नहीं करता कि प्रत्येक परिणामी अंतराल में सत्य शामिल है। अंतिम परीक्षण डेटा को बार-बार ट्यूनिंग से अलग रखें और महत्वपूर्ण समूहों के साथ-साथ औसत का भी निरीक्षण करें। भविष्यवाणी भी कार्य-कारण से भिन्न होती है: केवल एक संगति यह नहीं दिखाती कि यदि किसी ने इनपुट बदल दिया तो क्या होगा।
एक विश्लेषक यह दिखाने के लिए कि एक बड़ा मूल्य सारांश को कैसे प्रभावित करता है, [0, 0, 0, 20] का माध्य, जो 5 है, और इसका माध्य, जो 0 है, दोनों की रिपोर्ट करता है।
एक धोखाधड़ी टीम 100 अलर्ट के बीच 10 सच्ची घटनाओं को ढूंढती है और पता लगाए गए घटनाओं के अंश के साथ भ्रमित होने के बजाय 10% अलर्ट सटीकता की रिपोर्ट करती है।
होल्डआउट स्प्लिट का निर्माण करते समय एक मूल्यांकनकर्ता एक ही व्यक्ति के बार-बार रिकॉर्ड को एक साथ रखता है।
एक शोधकर्ता एक देखे गए अंतराल को गारंटी के रूप में मानने के बजाय अंतराल अनुमान के पीछे की धारणाओं को बताता है।
मूल्यांकन उपकरण अनिश्चितता अंतराल और उपसमूह सारांश उत्पन्न करना आसान बना सकते हैं, लेकिन स्वचालित आउटपुट स्वयं सही जनसंख्या या नमूना डिज़ाइन का चयन नहीं करेगा। यदि टीमें प्रासंगिक मेटाडेटा को संरक्षित करती हैं तो अधिक सुलभ निदान लापता समूहों या अस्थिर अनुमानों को उजागर कर सकता है। अभ्यासकर्ताओं को अभी भी हर को समझाने, भविष्यवाणी को हस्तक्षेप से अलग करने और त्रुटियों को वास्तविक परिणामों से जोड़ने की आवश्यकता होगी। जैसे-जैसे वर्कफ़्लो बदलता है, मूल्यांकन प्रश्न को स्पष्ट रखें और स्वतंत्रता और प्रतिनिधित्वशीलता के बारे में धारणाओं पर दोबारा गौर करें। सांख्यिकीय साक्षरता यह तय करने के लिए उपयोगी है कि साक्ष्य किस दावे का समर्थन करता है, बजाय इसके कि हर स्कोर अधिक सटीक लगे।
मुफ़्त न्यूज़लेटर
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
संभाव्यता बताई गई धारणाओं के तहत अनिश्चितता का वर्णन करती है, जबकि सांख्यिकी पैटर्न का अनुमान लगाने और मूल्यांकन करने के लिए टिप्पणियों का उपयोग करती है। एमएल कार्य के लिए, व्यावहारिक कौशल सही विभाजक का चयन करना है, यह जांचना है कि डेटा का नमूना कैसे लिया गया और यह बताना कि परिणाम क्या स्थापित नहीं करता है।
चार मानों का योग 20 है, जो माध्य 5 देता है; दोनों मध्य मान शून्य हैं।
परिशुद्धता वास्तविक सकारात्मक अलर्ट है जो सभी अलर्ट से विभाजित है: 10/100=10%।
रिकॉल का पता सच्ची घटनाओं को सभी सच्ची घटनाओं से विभाजित करके लगाया जाता है: 10/10=100%।
नमूना आकार बढ़ाने से चयन पूर्वाग्रह दूर नहीं होता।
संबंधित रिकॉर्ड पूरे विभाजन में इकाई-विशिष्ट जानकारी लीक कर सकते हैं।
सीखते रहो
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं
आगेअगली गाइड
बायेसियन बनाम फ़्रीक्वेंटिस्ट सांख्यिकी
बुनियादी बातें