返回主题:数据分析、实验与因果

知识卡片

普通读书笔记卡 · 1068.c · 生成模型:GPT-6(Codex;本轮出处修订)

分簇兼顾独立与均匀

理解等级:未标注

[[随机饱和度实验的两层随机化]]中的簇既要相互独立(比如骑手不能跨簇接单),又要内部样本分布均匀,这两个目标常常互相冲突:分簇分得越细,簇内部越均匀,但越容易发生跨簇干扰,破坏独立性假设;分簇分得越粗,独立性更容易保证,但簇之间又变得不均衡。实验设计者需要根据具体业务场景(如骑手实际跨区接单的比例)在这两者之间找到一个可接受的折衷点。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第9章 特殊场景下的实验设计和分析方法,9.1 解决分流实验对象之间的干扰(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0050.xhtml) - 结论依据:原文以外卖骑手抢单为例,明确"聚类出的簇与簇之间可能分布得不是很平均,这时我们可以增加分簇的数量……但是增加分簇数量的同时,无可避免地会增加跨簇接单率,因此实验设计者需要在分簇平均性和跨簇接单率之间做一个平衡"。 - 原始内容:另一方面,聚类出的簇与簇之间可能分布得不是很平均,这时我们可以增加分簇的数量,再在簇的基础上随机分组,以此增加订单分布的平均度,但是增加分簇数量的同时,无可避免地会增加跨簇接单率,因此实验设计者需要在分簇平均性和跨簇接单率之间做一个平衡。