知识卡片
数据多不等于决策更好
增加样本通常能缩小随机误差,但前提是分布与抽样假设合适,而且新增数据确实改善要处理的错误。若漏掉致命疾病的代价远高于一次误报,收集能降低漏报的数据可能比单纯扩大样本更有价值。数据工作应先明确误差类型、代价和分布假设,再决定增加什么数据。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第13章 数据所做不到的 · 查看原书依据
在这种情况下,(通过减少“漏报率”)提高诊断正确性的数据比通过大量数据来减少“误报率”更有用。
参考来源
- 位置:《数据之美》第13章《数据所做不到的》(源文件:../程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0389.xhtml)
- 结论依据:原文指出更多样本缩小误差依赖统计分布假设,并以疾病诊断说明漏报与误报代价不对称时,应优先收集能减少高代价错误的数据。
- 原始内容:在这种情况下,(通过减少“漏报率”)提高诊断正确性的数据比通过大量数据来减少“误报率”更有用。