طراحی سایت

ما مدام داده‌های فراوانی برای پروژه‌های خویش نداریم. اکثر وقت ها، ما تنها یک گروه داده مثال داریم که به جهت کمبود منابع برای اجرا آزمایشات مکرر (مانند تست A/B) با آن شغل کنیم.

خوشبختانه، ما روش‌های مثال‌گیری دوباره داریم تا از هر داده‌ای که داریم بیش‌ترین استعمال را بکنیم. بوت استرپینگ یک تکنیک مثال گیری دوباره هست که درصورتی که که سبک خویش را تنها یکبار بر روی مثال مهم در اختیار بگذاریم، داده ها دیگری در دست ما قرار میدهد.

در حالی که ممکن می باشد ما با «چه» و «چگونه» پشت بوت استرپینگ آشنا باشیم، غرض این نوشته‌ی‌علمی ارائه «چرایی» بوت استرپینگ به طریق‌ای غیر انسانی میباشد.

توده‌بندی سریع بوت استرپینگ
هدف از بوت استرپ ایجاد کرد یک تقریب (از جمله معدل مثال x) برای پارامتر جمعیت (از جمله، معدل جامعه θ) براساس چندین مثال داده به‌دست‌آمده از مثال اصلی میباشد.

بوت استرپینگ با مثال‌برداری مکرر (با جایگزینی) گروه داده مثال برای ساخت مثال‌های مشابه‌سازی گردیده انجام می‌شود. هر مثال بوت استرپ مشابه‌سازی گردیده برای به حساب آوردن تقریب پارامتر استعمال می‌گردد و بعد از آن این برآوردها مخلوط می شوند تا یک توزیع مثال‌برداری را تشکیل دهند.

سپس توزیع مثال‌گیری بوت استرپ به ما اذن می دهد تا استنتاج‌های آماری مانند برآورد خطای استاندارد پارامتر را بدست آوریم.

مراحل خودراه انداز | تصویر از نویسنده

عکس ۲:
چرا بوت استرپینگ عمل می‌نماید؟
شما می بایست تعجب فرمایید، چه‌طور فعالیت مثال‌گیری مکرر از یک مجموعه داده مثال به ما اذن میدهد تا در خصوص داده های عددی جمعیت استنتاج کنیم؟

در حالت ایده‌آل، ما میخواهیم تعدادی مثال مستقل از دنیای واقعی را از جمعیت واقعی بگیریم تا داده های عددی جمعیت را شعور کنیم. با این موقتی، ما پیش از این اثبات کرده‌ایم که‌این عمل ممکن میباشد مدام ممکن نباشد.

براین اساس، ما بایستی با گروه داده‌های مثال اتومات کنیم، که تبدیل به شایسته ترین (و فقط) اطلاعاتی میگردد که درباره‌ی جمعیت داریم.

منطقی می باشد فرض کنیم که بیشتر مثال‌ها (درصورتی که به طور تصادفی کشیده شوند) نسبتاً مشابه جمعیتی خواهند بود که از آن منشا می گیرند. با در نظر گرفتن این گزینه، به این مضمون‌ می باشد که داده‌های مثال مارا می‌قدرت تحت عنوان جمعیتی در لحاظ گرفت که ما وانمود میکنیم جمعیت حقیقی وواقعی را نشان میدهد.

با این جمعیت تظاهر کننده می توانیم مثال‌های تصادفی چندگانه (بوت استرپ) را از آن ترسیم کنیم. این به سیرتکامل‌ای میباشد که گویی ما یک‌سری مثال از جمعیت واقعی را به دست می‌آوریم.

توجه: در واقعیت، مثال مهم فقط یک مثال میباشد که ما از جمعیت حقیقی و واقعی داریم.

از آنجا که مثال‌برداری با جایگزینی مجاز است، مثال‌های بوت استرپ را می‌توان تحت عنوان مثال‌های تصادفی تشکیل داد گردیده پایین نحوه‌ها و فرضیات گوناگون در حیث گرفت.

داده ها جمع‌آوری‌گردیده مثال‌برداری گردیده از این مثال‌های بوت استرپ در غایت به ما کمک خواهد کرد تا برآوردهای دقیقی از پارامتر جمعیت، برای مثال معدل جمعیت، به دست آوریم.

عکس ۳: تصویر از یک پیشگفتار به یادگیری آماری-دستکاری دوم
پس مثال‌برداری بوت استرپ چقدر موثر میباشد؟ تصویر بالا برآوردهای پارامتر (α) را از ۱۰۰۰ مثال مشابه‌سازی گردیده طراحی سایت در مشهداز جمعیت حقیقی و واقعی در مقابل ۱۰۰۰ مثال بوت استرپ مقایسه می‌نماید.

می توانیم ببینیم که نمودارهای میله‌ای دارنده گستره‌های مشابهی می باشند، که آرم میدهد نحوه بوت استرپ قادر است به صورت موثری تغییرپذیری مرتبط با برآورد پارامتر را برآورد نماید.

خلاصه
در این نوشته‌ی علمی، ما یک توضیح ساده از شهود پشت بوت استرپینگ را مطالعه کردیم. امیدوارم که‌این تایپ کردن شعور بهتری از بوت استرپینگ طراحی سایت و اینکه چرا از دید تئوری و عملی عمل می‌نماید، به شما بدهد.

مضمون‌ کلیدی این میباشد که فرض می شود مثال اصلی نماینده جمعیت باشد. با مثال‌گیری دوباره این مثال چند بار، ما یک توزیع مثال‌گیری نسبتا ظریف از تقریب مثال پارامتر جمعیت بدست می آوریم.

ولی، یک سری هشدار دراین مورد وجود داراست. از جمله، در حالت بی آلایش مثال‌گیری از جمعیت واقعی، ما هرگز یک مثال به اندازه تک تک جمعیت نخواهیم گرفت. با این موقتا، به کارگیری از اندازه مثال شبیه با گروه داده اساسی در بوت استرپینگ رایج میباشد.

برای جزئیات بیشتر درخصوص هشدارهای متعدد، می‌توانید این آیتم را در اینجا تفحص نمایید.

ما مدام داده‌های فراوانی برای پروژه‌های خویش نداریم. اکثر وقت ها، ما تنها یک گروه داده مثال داریم که به جهت کمبود منابع برای اجرا آزمایشات مکرر (مانند تست A/B) با آن شغل کنیم.

خوشبختانه، ما روش‌های مثال‌گیری دوباره داریم تا از هر داده‌ای که داریم بیش‌ترین استعمال را بکنیم. بوت استرپینگ یک تکنیک مثال گیری دوباره هست که درصورتی که که سبک خویش را تنها یکبار بر روی مثال مهم در اختیار بگذاریم، داده ها دیگری در دست ما قرار میدهد.

در حالی که ممکن می باشد ما با «چه» و «چگونه» پشت بوت استرپینگ آشنا باشیم، غرض این نوشته‌ی‌علمی ارائه «چرایی» بوت استرپینگ به طریق‌ای غیر انسانی میباشد.

توده‌بندی سریع بوت استرپینگ
هدف از بوت استرپ ایجاد کرد یک تقریب (از جمله معدل مثال x) برای پارامتر جمعیت (از جمله، معدل جامعه θ) براساس چندین مثال داده به‌دست‌آمده از مثال اصلی میباشد.

بوت استرپینگ با مثال‌برداری مکرر (با جایگزینی) گروه داده مثال برای ساخت مثال‌های مشابه‌سازی گردیده انجام می‌شود. هر مثال بوت استرپ مشابه‌سازی گردیده برای به حساب آوردن تقریب پارامتر استعمال می‌گردد و بعد از آن این برآوردها مخلوط می شوند تا یک توزیع مثال‌برداری را تشکیل دهند.

سپس توزیع مثال‌گیری بوت استرپ به ما اذن می دهد تا استنتاج‌های آماری مانند برآورد خطای استاندارد پارامتر را بدست آوریم.

مراحل خودراه انداز | تصویر از نویسنده

عکس ۲:
چرا بوت استرپینگ عمل می‌نماید؟
شما می بایست تعجب فرمایید، چه‌طور فعالیت مثال‌گیری مکرر از یک مجموعه داده مثال به ما اذن میدهد تا در خصوص داده های عددی جمعیت استنتاج کنیم؟

در حالت ایده‌آل، ما میخواهیم تعدادی مثال مستقل از دنیای واقعی را از جمعیت واقعی بگیریم تا داده های عددی جمعیت را شعور کنیم. با این موقتی، ما پیش از این اثبات کرده‌ایم که‌این عمل ممکن میباشد مدام ممکن نباشد.

براین اساس، ما بایستی با گروه داده‌های مثال اتومات کنیم، که تبدیل به شایسته ترین (و فقط) اطلاعاتی میگردد که درباره‌ی جمعیت داریم.

منطقی می باشد فرض کنیم که بیشتر مثال‌ها (درصورتی که به طور تصادفی کشیده شوند) نسبتاً مشابه جمعیتی خواهند بود که از آن منشا می گیرند. با در نظر گرفتن این گزینه، به این مضمون‌ می باشد که داده‌های مثال مارا می‌قدرت تحت عنوان جمعیتی در لحاظ گرفت که ما وانمود میکنیم جمعیت حقیقی وواقعی را نشان میدهد.

با این جمعیت تظاهر کننده می توانیم مثال‌های تصادفی چندگانه (بوت استرپ) را از آن ترسیم کنیم. این به سیرتکامل‌ای میباشد که گویی ما یک‌سری مثال از جمعیت واقعی را به دست می‌آوریم.

توجه: در واقعیت، مثال مهم فقط یک مثال میباشد که ما از جمعیت حقیقی و واقعی داریم.

از آنجا که مثال‌برداری با جایگزینی مجاز است، مثال‌های بوت استرپ را می‌توان تحت عنوان مثال‌های تصادفی تشکیل داد گردیده پایین نحوه‌ها و فرضیات گوناگون در حیث گرفت.

داده ها جمع‌آوری‌گردیده مثال‌برداری گردیده از این مثال‌های بوت استرپ در غایت به ما کمک خواهد کرد تا برآوردهای دقیقی از پارامتر جمعیت، برای مثال معدل جمعیت، به دست آوریم.

عکس ۳: تصویر از یک پیشگفتار به یادگیری آماری-دستکاری دوم
پس مثال‌برداری بوت استرپ چقدر موثر میباشد؟ تصویر بالا برآوردهای پارامتر (α) را از ۱۰۰۰ مثال مشابه‌سازی گردیده طراحی سایت در مشهداز جمعیت حقیقی و واقعی در مقابل ۱۰۰۰ مثال بوت استرپ مقایسه می‌نماید.

می توانیم ببینیم که نمودارهای میله‌ای دارنده گستره‌های مشابهی می باشند، که آرم میدهد نحوه بوت استرپ قادر است به صورت موثری تغییرپذیری مرتبط با برآورد پارامتر را برآورد نماید.

خلاصه
در این نوشته‌ی علمی، ما یک توضیح ساده از شهود پشت بوت استرپینگ را مطالعه کردیم. امیدوارم که‌این تایپ کردن شعور بهتری از بوت استرپینگ طراحی سایت و اینکه چرا از دید تئوری و عملی عمل می‌نماید، به شما بدهد.

مضمون‌ کلیدی این میباشد که فرض می شود مثال اصلی نماینده جمعیت باشد. با مثال‌گیری دوباره این مثال چند بار، ما یک توزیع مثال‌گیری نسبتا ظریف از تقریب مثال پارامتر جمعیت بدست می آوریم.

ولی، یک سری هشدار دراین مورد وجود داراست. از جمله، در حالت بی آلایش مثال‌گیری از جمعیت واقعی، ما هرگز یک مثال به اندازه تک تک جمعیت نخواهیم گرفت. با این موقتا، به کارگیری از اندازه مثال شبیه با گروه داده اساسی در بوت استرپینگ رایج میباشد.

برای جزئیات بیشتر درخصوص هشدارهای متعدد، می‌توانید این آیتم را در اینجا تفحص نمایید.