知识卡片

普通读书笔记卡 · 9759.e · 生成模型:DeepSeek-V4.1-Flash

连续值直接分组的陷阱

理解等级:中级

想看“工作年限越长工资越高”,自然的做法是按年限分组求平均工资。问题在于年限是连续值:十个样本给出十个互不相同的年限,每组只有一个人,所谓组均值就是这个人自己的工资,等于把原始数据重抄一遍,什么也没总结出来。把年限切成三段(两年以下、两到五年、五年以上)再求平均,才有可比较的组均值,也才能说出“五年以上比新人高 65%”。代价是结论依赖切点:切在哪里、切几段都是人为选的,换一种切法数字就变,分组还丢掉了组内差异。更关键的是,分组只能说明“哪一档更高”,回答不了“多一年经验值多少钱”,后者需要一个能对未知年限给出预测的模型。

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

    • 第1章 导论 · 查看原书依据

      事实证明这并不是特别有说服力,因为任意两个用户的工作年限都不同,这意味着我们只是报告了用户的个人工资状况

    参考来源

    - 位置:《数据科学入门(第2版)》第1章 导论(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0005.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「事实证明这并不是特别有说服力,因为任意两个用户的工作年限都不同,这意味着我们只是……」 - 原始内容:事实证明这并不是特别有说服力,因为任意两个用户的工作年限都不同,这意味着我们只是报告了用户的个人工资状况