最近在做數(shù)據(jù)分析方面的工作，經(jīng)常需要檢驗(yàn)兩組樣本之間是否存在差異，所以會(huì)遇到統(tǒng)計(jì)學(xué)中假設(shè)檢驗(yàn)相關(guān)的知識(shí)。在機(jī)器學(xué)習(xí)特征工程這一步，筆者最常用到的是假設(shè)檢驗(yàn)中的卡方檢驗(yàn)去做特征選擇，因?yàn)榭ǚ綑z驗(yàn)可以做兩個(gè)及兩個(gè)以上樣本率( 構(gòu)成比）以及兩個(gè)分類變量的關(guān)聯(lián)性分析。但是筆者今天想介紹一下通過(guò)T檢驗(yàn)做機(jī)器學(xué)習(xí)中的特征工程，希望能夠讓大家初步了解到各種假設(shè)檢驗(yàn)是如何在機(jī)器學(xué)習(xí)項(xiàng)目的特征工程發(fā)揮作用。

假設(shè)檢驗(yàn)簡(jiǎn)介

統(tǒng)計(jì)學(xué)中，常見的假設(shè)檢驗(yàn)有：T檢驗(yàn)（Student's t Test），F(xiàn)檢驗(yàn)（方差齊性檢驗(yàn)），卡方驗(yàn)證等。無(wú)論任何假設(shè)檢驗(yàn)，它們都遵循如下圖所示的流程：

• 做兩個(gè)假設(shè)：一般如果假設(shè)對(duì)象是兩組樣本的話，都會(huì)假設(shè)這兩組樣本均值相等（T檢驗(yàn)的假設(shè)），方差滿足齊次性（F檢驗(yàn)的假設(shè)）等。而另一個(gè)假設(shè)其實(shí)就是兩組樣本均值不相等（T檢驗(yàn)的假設(shè)），方差不滿足齊次性（F檢驗(yàn)的假設(shè)）等，其實(shí)這兩個(gè)假設(shè)就是一對(duì)非此即彼的選項(xiàng)。這兩個(gè)假設(shè)在教科書上就叫做原假設(shè) ，和備擇假設(shè) 。
• 設(shè)置一個(gè)顯著性值：通俗點(diǎn)理解，就是如果真實(shí)的情況偏離原假設(shè)的程度。
  1.如果真實(shí)情況和原假設(shè)差異不大（P值高于顯著性值），那證明原假設(shè)是對(duì)的，接受原假設(shè)。
  2.如果真實(shí)情況和原假設(shè)差異太大（P值低于顯著性值），那證明原假設(shè)錯(cuò)了，我們得拒絕原假設(shè)，接受備擇假設(shè)。
  顯著性值的選擇是個(gè)經(jīng)驗(yàn)值

總結(jié)

以上是生活随笔為你收集整理的双样本T检验——机器学习特征工程相关性分析实战的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。