知识卡片
显著性不等于预测或因果
t统计量是估计值与假设值差除以标准误;p值在零假设与模型条件下衡量至少同样极端结果的概率,不是零假设为真的概率。训练关联显著不证明因果,也不保证未知样本预测好;星号和“两倍标准误”仅是约定性线索。
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5章 回归模型:预测网页访问量 预测网页流量 · 连续片段2 · 查看原书依据
t-value"(t值)和"p-value"(p值)这些列。这些值用于评估我们计算的估计结果存在的不确定性,换句话说,它们就是置信度,所谓置信度就是衡量我们对计算结果能够准确描述真实世界到底有多大的信心。例如,"Std.Error"可以用于产生一个置信度为95%的系数置信区间。这
参考来源
- 位置:《机器学习:实用案例解析》第05章《预测网页流量 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3105.html,spine3211)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:t-value"(t值)和"p-value"(p值)这些列。这些值用于评估我们计算的估计结果存在的不确定性,换句话说,它们就是置信度,所谓置信度就是衡量我们对计算结果能够准确描述真实世界到底有多大的信心。例如,"Std.Error"可以用于产生一个置信度为95%的系数置信区间。这