變異
含有「變異」共 80 篇內容
全部內容
發佈日期由新至舊
在魔力擴散後的第13年，肖恩調查了灰銀層巒南部廢核研究設施外圍的變異生物，發現牠們體內有類似符文的結構，並非自然進化，而是被刻意設計的。他還發現了一具刻有「偽印」的男性遺體，懷疑偽惡魔當年留下的不只是力量，而是一段複製代碼。他開始思考這些「適應者」是否與他相關，以及魔力擴散的真相。
受試者內設計
前幾篇我們討論的都是受試者間設計，每個人測驗只做一次，並只會分配在一個cell裡面。這種作法收集的樣本數需要比較多，夠多的樣本數也才能夠抵銷這些個體的差異，讓我們能夠真正看見不同factor影響的效果。
但在考量成本與時間下，我們可以考慮使用受試者內設計。這不僅能夠控制個體差異，也
為什麼要有ANOVA？
學到現在，我們知道在處理名義變項上，我們使用卡方檢定；而在等距及比率變項上，我們使用z檢定與t檢定。卡方可以處理三個變項，那z檢定與t檢定呢？答案是可以，但不推薦。
ANOVA也可以使用在2個變項，這時F=t2。
為什麼3組變項時，不推薦z檢定與t檢定？
這兩個檢定方
共變數
當兩個變項之間非獨立時，叉積(cross product)並非等於0，且相同趨勢資料個數越多叉積越大，因此我們取平均讓其更能夠代表兩變項關聯的強弱，我們稱之為共變數(covariance)。
共變數無固定範圍，難以判斷兩個變相間的關係強度，所以將共變數標準化—皮爾森積差相關係數(Pear
t檢定使用時機：不知道母群的標準差。
(備註：二項分配只適用z檢定，因其標準差是數學理論推導出來的)
不知道母群標準差，該怎麼解決？
用s^取代σ(因s^是σ的不偏估計數)。雖然s^會趨近於σ，但因為s^的抽樣分配是一個正偏態，若用z檢定的方式，我們會高估z值。因此，我們使用t檢定來解決這個問題
每個人都有不願意分享的秘密，蘇澄深表同意。
這句話背後似乎有更深的含義，但蘇澄沒有繼續追問。她學著感受那種連接，發現確實有一種方法可以控制自己的思想流動——像是在心中構建一道隱形的牆，決定哪些情緒和想法可以跨越，哪些則被保留。
「有點像調整收音機的頻率，」她喃喃自語。
「很像，」陸聿點頭，「不
PCA透過尋找資料最大變異方向，把多維特徵壓縮成少數互不相關的主成分，既保留關鍵資訊，又去除雜訊與冗餘。它大幅降低維度詛咒帶來的計算負擔，並將高維數據轉換成易於解釋的 2D/3D 視覺，協助後續聚類、分類或特徵選取。若先做標準化並利用解釋變異量挑選主成分，可在效率與資訊量之間取得最佳平衡。
付費限定
我們或許才剛開始慢慢接受這樣一個事實：即使疾病最終得以倖存，也並非總是會禮貌地退出舞台。席捲全球的邪惡病毒SARS-CoV-2不僅留下了混亂的腦霧，對許多人來說，更像一位揮之不去、不受歡迎的「客人」：長新冠。這種疾病深刻地揭示了我們與生俱來的脆弱性，其表現為持續的疲勞。。。
回歸模型百花齊放，但最後一哩路在於評估！掌握 MSE、RMSE、MAE 與 R²，就能快速比較線性、樹模、XGBoost 到 ANN 的優劣，選出最適合你資料特性的穩健解法，確保每一次預測都可靠、可解釋、可落地。
敘述統計 (Descriptive Statistics) 是統計學的一個分支，旨在以簡潔的方式總結和描述數據集的特徵。它主要關注收集、組織、呈現和分析數據，但不涉及對總體進行推斷或預測。敘述統計的主要目標是提供數據的清晰概覽，使其更容易理解和解釋。
敘述統計通常包括以下幾種主要的度量和方法：