<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕 모두,
몇 가지 분류 모델 (예 : BayesNet, Random Forrest)의 실적을 여러 데이터 세트에서 F1 점수를 측정하여 평가했습니다 ( F1 점수 - 무료 백과 사전 Wikipedia ) 10 배 교차 유효성 검사에 의해 달성했다. 내 데이터, HA 따라서 다음과 같은 열 : 분류 모델, 데이터 세트, F1 점수.
이제 다음과 같은 경우를 테스트하고 싶습니다.
1) 예측 인자간에 통계적으로 차이가 있습니다.
2) 최상의 예측과 다른 모든 예측 사이에는 통계적으로 차이가 있습니다.
내 접근 방식은 다음과 같습니다.
- y를 x로 맞추고, y = F1 및 x = 분류 모델
- 비 파라 메트릭 윌 콕슨 (Wilcoxon) 테스트 : 포인트 1에 대답 할 것입니다.
- 비 파라 메트릭 다중 비교 : Wilcoxon 테스트 :이 점에 답할 것입니다.
그러나 나는 Wilcoxon보다 다른 테스트를보고, 내가하는 일이 올바른지 궁금해.
당신의 도움을 주셔서 감사합니다,
다 비데
안녕하세요 데이빗,
당신의 접근 방식이 합리적이라고 생각합니다.
살펴볼 또 다른 방법은 일방> 비교 방법> 베스트, 수 MCB입니다. 이것은 X 변수의 각 레벨이 "최상"레벨과 크게 다른지 테스트하는 다중 비교 절차입니다. 출력은 모든 레벨을 max뿐만 아니라 min과 비교하기위한 p 값을 보여줍니다.
JMP에서 Y로 맞춤 (Fit Y by X) 플랫폼에서 옵션에 대한 몇 가지 정보를 찾을 수 있습니다. 수단 비교
베스트,
남자 이름
