错误率在机器学习和 A/B 测试等多个数据科学主题中都会出现。让我们确保您准确理解它们的含义。
以下关于错误率的说法，哪一项是正确的？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本章中，您将学习 A/B 测试的基础。您会了解清晰的实施步骤与典型用例，明白为什么要设计并运行 A/B 测试及其价值，并认识常用的指标设计与估算框架。
在第 2 章，您将学习实验设计流程。首先从如何提出有力的 A/B 测试假设开始，还将涵盖统计学概念，如检验效能（power）、错误率以及最小可检测效应（MDE）。本章最后，您将学会估算获得有结论性结果所需的合适样本量，并处理多重比较情境。
当前练习
在这里，您将学习一套清洗、预处理并探索 A/B 测试数据的具体流程，并掌握确保结果有效所必需的有效性检查。您还将通过详解与示例，学习如何分析比例差异类的 A/B 测试。
在最后一章，您将构建分析均值差异的框架，并在若干假设不满足时运用非参数检验。您还将学习在分析比率型指标时如何应用 Delta 方法，并了解最佳实践与一些进阶主题，帮助您进一步精通 A/B 测试。
