本帖最后由 匿名 于 2020-8-11 07:59 编辑
【粗略定位】譯文版牛津英漢雙解 vN
調整了一天的各種參數值大概是目前感覺精確度還尚可的一個版本
提高了些精確度, 較模糊無法判斷的區域也相對壓縮, 同時也相對簡潔多了
或許可能看不出其有什差異性.......或許是數據上的改善....讓人無感.....
若是如此則待他日多花些時間看能否尋找到其顯著性的關鍵因子
或許您可以比較一下和上個版本同一頁的差異
基本上都是 2~3 區域 , 少數 4 區域 , 無 4 以上區域......
Next...........
1~3 區域 or 1~2 區域...........朝此方向壓縮........或許可行吧.....
+ 號 ==> (μ (+/-) 1σ = 68.26%) and (μ (+/-) 2σ = 95.44%) ==>交集區域
無 + 號 ==> μ (+/-) 2σ = 95.44%
【粗略定位】是有其限制的....範圍縮小了(0.5σ) 可能距焦錯誤變成【粗略亂定位】
範圍放大了(3σ) 又失去距焦範圍的意義......實兩難也.....
若是習慣於【精確定位】的藝術精品,【粗略定位】真的非此選項.....只是 約略定個不是 100% 的位置...
最多也只是盡量讓範圍縮小一點且命中率提高一些, 盡量降低些 Defect Rate 如此而已
因問題的核心并不是多些隨機抽樣的資料就可縮小σ 值......資料的離散值是不變的....最多只是σ 值精確些, 但不太可能會縮小到影響太多
因而在此前提下.....不管怎樣處理都是會有一些誤差, 誤判
也就是這樣的處理方法是有其限制的, 除非換個不同的取樣辦法, σ 值下降了精度必然提高
![]()
以上的處理法只是純粹類似投影.....投影映射到哪些區塊
但如此處理可能會失真也無法真正判斷.....只能以 Normal Distribution 的特性來粗略判斷
2020-0727 03:08
似乎靈光乍現......更精確的定位或許可行.....但得試才能得知
也就是把跨幾個區域的面積各自積分一下.....若是某區域面積最大的那應該是最大可能性
若是如此則和 σ 值是否能縮小....也就不相干了
只是不知答案是否如設想般的盡如人意
倘若答案若是如此這般則....下列三種狀況的 β 風險 也將影響整體精度的判斷的結果
似乎也和 OC 曲線 取捨有關係
Type I error & Type II error
1. μ 偏移 + σ 為常數 ==> β 風險 ==> Type II error
2. μ 保持不變 + σ 變化==> β 風險 ==> Type II error
3. μ 偏移 + σ 變化 ==> β 風險 ==> Type II error
![]()
2020-0729
每個區域積分後判斷效果不佳和目前差不多.....或許是取樣的方法還得再改善
![]()
![]()
![]()
| 
[复制链接]
匿名
发表于 2020-10-16 16:22:28
