Ошибка на тестовой и обучающей выборках

С точки зрения компромисса между смещением и дисперсией, что из перечисленного значительно сильнее влияет на ошибку тестовой выборки по сравнению с ошибкой обучающей?

Это упражнение является частью курса

Практика статистических вопросов для собеседований на Python

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Практика статистических вопросов для собеседований на Python

SkillTag.level.advancedSkillTag.label

4.8+

Начать курс бесплатно

Курс начинается с повторения условных вероятностей, теоремы Байеса и центральной предельной теоремы. По ходу глав вы научитесь работать с наиболее распространёнными вероятностными распределениями, которые часто встречаются на собеседованиях.

Exercise 1: Условные вероятности Exercise 2: Постановка задач Exercise 3: Теорема Байеса на практике Exercise 4: Центральная предельная теорема Exercise 5: Выборки из бросков кубика Exercise 6: Симуляция центральной предельной теоремы Exercise 7: Распределения вероятностей Exercise 8: Распределение Бернулли Exercise 9: Биномиальное распределение Exercise 10: Нормальное распределение

В этой главе вы подготовитесь к статистическим вопросам, связанным с разведочным анализом данных. Темы включают описательную статистику, работу с категориальными переменными и анализ взаимосвязей между переменными. Упражнения помогут вам подготовиться к аналитическим заданиям и практическим вопросам по статистике.

Exercise 1: Описательная статистика Exercise 2: Среднее или медиана Exercise 3: Стандартное отклонение вручную Exercise 4: Категориальные данные Exercise 5: Методы кодирования Exercise 6: Анализ цен на ноутбуки Exercise 7: Две переменные и более Exercise 8: Типы взаимосвязей Exercise 9: Корреляция Пирсона Exercise 10: Чувствительность к выбросам

Погрузитесь глубже в ключевые концепции экспериментов и тестирования: доверительные интервалы, проверка гипотез, множественное тестирование, а также роль мощности критерия и объёма выборки. Мы также рассмотрим типы ошибок и их практическое значение.

Exercise 1: Доверительные интервалы Exercise 2: Доверительный интервал вручную Exercise 3: Применение доверительных интервалов Exercise 4: Проверка гипотез Exercise 5: Односторонний z-тест Exercise 6: Двусторонний t-тест Exercise 7: Мощность критерия и объём выборки Exercise 8: Влияние на ошибку второго рода Exercise 9: Вычисление объёма выборки Exercise 10: Визуализация зависимости Exercise 11: Множественное тестирование Exercise 12: Вычисление уровней ошибок Exercise 13: Коррекция Бонферрони

В завершающей главе мы рассмотрим концепции, тесно связанные с моделями регрессии и классификации. Глава начинается с обзора базовых алгоритмов машинного обучения и последовательно переходит к оценке моделей, работе с особыми случаями и компромиссу смещения и дисперсии.

Exercise 1: Регрессионные модели Exercise 2: Линейная регрессия Exercise 3: Логистическая регрессия Exercise 4: Оценка моделей Exercise 5: Оценка регрессии Exercise 6: Оценка классификации Exercise 7: Пропущенные данные и выбросы Exercise 8: Обработка пропущенных значений Exercise 9: Выявление выбросов Exercise 10: Компромисс между смещением и дисперсией Exercise 11: Ошибка на тестовой и обучающей выборках

Текущее упражнение

Exercise 12: Визуализация компромисса Exercise 13: Подведение итогов