如何通俗地理解Family-wise error rate(FWER)和False discovery rate(FDR)
2020-02-19 不详 网络
Family-wise error rate(FWER)，暂时还不了解比较通俗易懂的翻译。False discovery rate(FDR)，一般翻译为错误发现率。在研究使用假设检验解决机器学习中的分类问题时，我遇到了多重假设检验问题。FWER和FDR正是解决这一问题的两种方法。经过老师和师兄师姐的指导，我能够将FDR应用于自己的问题当中，并且实验结果也有所改善。但是，应用之后，我仍然存在一些
Family-wise error rate(FWER)，暂时还不了解比较通俗易懂的翻译。False discovery rate(FDR)，一般翻译为错误发现率。在研究使用假设检验解决机器学习中的分类问题时，我遇到了多重假设检验问题。FWER和FDR正是解决这一问题的两种方法。经过老师和师兄师姐的指导，我能够将FDR应用于自己的问题当中，并且实验结果也有所改善。但是，应用之后，我仍然存在一些困惑，比如FWER和FDR到底是什么，FWER和FDR怎么计算，为什么FWER和FDR能够降低错误率以及如何通俗地理解二者。 为了搞清楚上述问题，我仔细研究了维基百科和网络上的一些资料，认为通俗地理解FWER和FDR不是一件容易的事。研究者首先需要有一定的统计学假设检验的基础，而且还能够将FWER和FDR应用于实际的问题。所以，我会从假设检验谈起，然后结合自己的问题进行探讨。 假设检验 假设检验是用于检验统计假设的一种方法。它的基本思想是小概率思想，小概率思想是指小概率事件在一次试验中基本上不会发生。 假设检验的基本方法是提出一个空假设（null hypothesis），也叫做原假设，记作H0；然
作者：不详
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#FWER#
28
#Rate#
34
#ERR#
37
#cover#
38
#Dis#
0