Próbuję obliczyć różnorodność pomiędzy dwoma regresorami. Znalazłem artykuł w którym opisana jest miara disagreement measure która jest rozszerzeniem miary Kunchevy dla klasyfikatorów. Nie bardzo rozumiem fragment o obliczaniu odchylenia standardowego. Czy mam obliczyć wartość odchylenia wartości wyestymowanej do rzeczywistej i podzielić to jakoś przez N przewidywań? Ktoś może coś doradzić?
@profaza: A nie chodzi po prostu o uznanie, że przewidywanie jest trafione, jeśli różni się od oczekiwanej wartości co najwyżej o odchylenie standardowe? Dzięki temu możemy zastosowania miarę wymyśloną dla klasyfikatorów, gdzie mamy binarną sytucję: predykcja jest albo dobra albo zła.
@Poczmistrz_z_Tczewa: no na logikę masz rację tylko nie bardzo potrafię to odczytać z tego opisu. Jak wtedy interpretować mianownik? O ile N01 i N10 obliczam w sposób ktory opisaleś to co z N11 i N00? Zawsze N11 = 1 a N00 = 0 ?
@profaza: Tam zamieszali, ale w mianowniku chodzi jak dla mnie po prostu o liczbę wszystkich rozważanych predykcji, bo ta miara to procentowy udział przypadków, kiedy jeden z modeli miał rację, a drugi nie. Tutaj zaproponowali, żeby uznawać w przypadku regresji, że ma rację, kiedy wystarczająco dobrze trafił, na podstawie odchylenia standardowego. Tak se myślę.
@profaza: Nie rozumiem o co Ci chodzi, ale zaczynając od początku ja rozumuje tak:
1) W przypadku klasyfikacji, w ich konwencji, N01 oznacza, że drugi model wskazał poprawną klasę a pierwszy nie, N00 trzeba rozumieć tak, że żaden z modeli nie wskazał poprawnej klasy, N11 -- że oba modele wskazały poprawną klasę.
2) W liczniku mamy więc: [sytuację, kiedy pierwszy model wskazał poprawną klasę a drugi nie] + [sytuację, kiedy pierwszy
@Poczmistrz_z_Tczewa: Dziękuję! Nie potrafiłem sam sobie tego poukładać bardzo mi pomogłeś - jedno co dodam to, że muszę policzyć odchylenie dwukrotnie - dla pierwszego modelu z wartości przewidywanych i dla drugiego modelu z wartości przewidywanych
Próbuję obliczyć różnorodność pomiędzy dwoma regresorami. Znalazłem artykuł w którym opisana jest miara disagreement measure która jest rozszerzeniem miary Kunchevy dla klasyfikatorów. Nie bardzo rozumiem fragment o obliczaniu odchylenia standardowego. Czy mam obliczyć wartość odchylenia wartości wyestymowanej do rzeczywistej i podzielić to jakoś przez N przewidywań? Ktoś może coś doradzić?
źródło: comment_b0HZbftw0FWvwWGuzyeyqf5KGohdfiaV.jpg
Pobierz1) W przypadku klasyfikacji, w ich konwencji, N01 oznacza, że drugi model wskazał poprawną klasę a pierwszy nie, N00 trzeba rozumieć tak, że żaden z modeli nie wskazał poprawnej klasy, N11 -- że oba modele wskazały poprawną klasę.
2) W liczniku mamy więc: [sytuację, kiedy pierwszy model wskazał poprawną klasę a drugi nie] + [sytuację, kiedy pierwszy
Nie potrafiłem sam sobie tego poukładać bardzo mi pomogłeś - jedno co dodam to, że muszę policzyć odchylenie dwukrotnie - dla pierwszego modelu z wartości przewidywanych i dla drugiego modelu z wartości przewidywanych