实体
Student's t-test
Student's t-test
PulseAugur coverage of Student's t-test — every cluster mentioning Student's t-test across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的贝叶斯损失函数可识别机器学习模型中的数据污染
研究人员开发了神经贝叶斯异常缓解（NBAM），这是一种新颖的损失函数，旨在提高监督机器学习模型对数据污染的鲁棒性。NBAM 不仅使模型能够容忍损坏的数据（类似于 Huber 或 Student's t-test 等现有鲁棒损失），还能作为无监督分类器来识别哪些特定观测值已被损坏。该方法利用贝叶斯潜在开关混合模型来实现这一目标，在具有显著污染率的 CIFAR-10 数据集上表现优于基线鲁棒损失。
-
LLM提示评估需要统计显著性和效应量
一篇最近在dev.to上发表的文章提出了一种更严谨的方法来评估大型语言模型（LLM）提示，超越了简单的平均分数比较。作者认为，LLM评估中常用的少量数据集不足以得出可靠的平均分数，统计显著性至关重要。该文章提倡使用Mann-Whitney U检验而非t检验，因为它是非参数的，并且还强调了Cohen's d等效应量指标的重要性，以确保在统计显著性之外的实际意义。