测试统计方法

我在应用中编写了大量的统计方法。

问题是我不知道如何适当地测试它们。

例如,在单元测试中,我检查分布的所有概率之和是否收敛到1,但实际上永远不会是1。

例如,所有概率的总和可能是0.9999999甚至是1.0000000005,实际值强烈依赖于分布的不同结果的数量。

也许我可以这样测试

value should be less that 1.1value should be more that 0.9

但我不确定这种测试是否一致,可能存在一种分布,由于数值计算的原因会输出1.1

如何适当地测试它们呢?


回答:

这里有一个相关的讨论这里,你可能会觉得有趣。

简短的版本是,你希望将你的统计方法分解成可以确定性测试的部分。

在无法这样做的情况下,你可能需要使用某个epsilon值来比较你的预期输出和实际输出。你还可以运行多次测试,并执行一个简单的统计测试(可能是t检验?)来查看分布是否看起来是你认为的样子。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注