作者ruthertw (督人无数就是我)
看板DataScience
标题[问题] 请推荐完整的模型评估方法的教学和程式码
时间Tue Jul 12 15:23:44 2022
不管是目前主流的套件,
官方说明文件范例几乎都是仅就相当局限的条件下,
以及很小的数据量(大部分还都是csv文件),
来示范模型评估方法,
和做超简单不深入的说明.
可推荐完整的模型评估方法的教学和程式码?
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.200.58.139 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1657610626.A.D7C.html
1F：推 yiche: 统计学假说检定的章节会提及type I error, type II error， 07/12 17:04
2F：→ yiche: 对应到伪阴/伪阳，会cover到最後一段列的这些metric中的大 07/12 17:04
3F：→ yiche: 部份，我是觉得这些只要论文看得够多都知道什麽问题会采用 07/12 17:04
4F：→ yiche: 什麽，再来看过定义即可 07/12 17:04
5F：→ lycantrope: 论文都没看懂，怎麽有勇气批评别人论文错误百出啊w 07/12 17:30
6F：推 lofu: 每个问题设计的模型评估方法都不一样，搭配不同的时空背景会 07/12 21:06
7F：→ lofu: 有不一样的cv strategy，多打打kaggle被比赛shake up几次就 07/12 21:06
8F：→ lofu: 会明白了。 07/12 21:06
9F：→ yoyololicon: 这种evaluation metrics 不是通常都有单独的套件包 07/13 08:18
10F：→ yoyololicon: 了 如果很常用到的话 07/13 08:18
11F：→ yoyololicon: 然後投稿论文不是在投稿code reviewer 没有义务去 07/13 08:20
12F：→ yoyololicon: 检验 真的就是看作者心情 07/13 08:20
13F：→ chang1248w: github版本条件一样吗？ 07/13 11:15
14F：→ yuwenche: 本来烂论文就居大多数.只要把百中选一的好论文及程式码 07/13 13:47
15F：→ yuwenche: 作深入研究,就可使功力大增. 07/13 13:49
16F：推 kokolotl: 大大可以写一套放上GitHub让大家使用，感恩～ 07/13 14:13
17F：推 HYDE1986: 看看papers with code 07/15 22:25
18F：→ r51303: 你的描述槽点都满满呢 先去KAGGLE上把大型竞赛前20名都看 07/19 15:01
是喔,
有哪些槽点呢?
愿闻其详~
19F：→ r51303: 完 会分享程式的不一定会超过10个 但一定有能用的 07/19 15:01
20F：→ r51303: 从能用的里面先去搞懂怎样弄出一个自己能跑的程式架构 07/19 15:02
21F：→ r51303: 再从中去修改吧 07/19 15:02
22F：→ ruthertw: 诚心敲碗~ 我要看你批评我文中的槽点~ 07/20 20:57
23F：推 InvincibleK: R大必推~ 07/21 11:53
※ 编辑: ruthertw (180.217.243.20 台湾), 08/19/2022 15:59:25
※ 编辑: ruthertw (1.200.36.165 台湾), 09/05/2022 14:09:09
24F：推 bearching: 如果是统计相关的模型，找套装软体的说明就有很多 11/16 16:08
25F：→ bearching: stata或sas的说明都很完整 11/16 16:08