作者ruthertw (督人無數就是我)
看板DataScience
標題[問題] 請推薦完整的模型評估方法的教學和程式碼
時間Tue Jul 12 15:23:44 2022
不管是目前主流的套件,
官方說明文件範例幾乎都是僅就相當侷限的條件下,
以及很小的數據量(大部分還都是csv文件),
來示範模型評估方法,
和做超簡單不深入的說明.
可推薦完整的模型評估方法的教學和程式碼?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.200.58.139 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1657610626.A.D7C.html
1F：推 yiche: 統計學假說檢定的章節會提及type I error, type II error， 07/12 17:04
2F：→ yiche: 對應到偽陰/偽陽，會cover到最後一段列的這些metric中的大 07/12 17:04
3F：→ yiche: 部份，我是覺得這些只要論文看得夠多都知道什麼問題會採用 07/12 17:04
4F：→ yiche: 什麼，再來看過定義即可 07/12 17:04
5F：→ lycantrope: 論文都沒看懂，怎麼有勇氣批評別人論文錯誤百出啊w 07/12 17:30
6F：推 lofu: 每個問題設計的模型評估方法都不一樣，搭配不同的時空背景會 07/12 21:06
7F：→ lofu: 有不一樣的cv strategy，多打打kaggle被比賽shake up幾次就 07/12 21:06
8F：→ lofu: 會明白了。 07/12 21:06
9F：→ yoyololicon: 這種evaluation metrics 不是通常都有單獨的套件包 07/13 08:18
10F：→ yoyololicon: 了 如果很常用到的話 07/13 08:18
11F：→ yoyololicon: 然後投稿論文不是在投稿code reviewer 沒有義務去 07/13 08:20
12F：→ yoyololicon: 檢驗 真的就是看作者心情 07/13 08:20
13F：→ chang1248w: github版本條件一樣嗎？ 07/13 11:15
14F：→ yuwenche: 本來爛論文就居大多數.只要把百中選一的好論文及程式碼 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: 大大可以寫一套放上GitHub讓大家使用，感恩～ 07/13 14:13
17F：推 HYDE1986: 看看papers with code 07/15 22:25
18F：→ r51303: 你的描述槽點都滿滿呢 先去KAGGLE上把大型競賽前20名都看 07/19 15:01
是喔,
有哪些槽點呢?
願聞其詳~
19F：→ r51303: 完 會分享程式的不一定會超過10個 但一定有能用的 07/19 15:01
20F：→ r51303: 從能用的裡面先去搞懂怎樣弄出一個自己能跑的程式架構 07/19 15:02
21F：→ r51303: 再從中去修改吧 07/19 15:02
22F：→ ruthertw: 誠心敲碗~ 我要看你批評我文中的槽點~ 07/20 20:57
23F：推 InvincibleK: R大必推~ 07/21 11:53
※ 編輯: ruthertw (180.217.243.20 臺灣), 08/19/2022 15:59:25
※ 編輯: ruthertw (1.200.36.165 臺灣), 09/05/2022 14:09:09
24F：推 bearching: 如果是統計相關的模型，找套裝軟體的說明就有很多 11/16 16:08
25F：→ bearching: stata或sas的說明都很完整 11/16 16:08