Tátail, meastachán agus cinnteoireacht ó shonraí
Tá dhá aicmitheoir tógtha agat, agus tá 91.0% cruinneas ag ceann amháin, 91.4% ag an gceann eile. An bhfuil an dara ceann i ndáiríre níos fearr, nó ar tharla sé ach tacar tástála beagán níos ádhúla a fháil? Chun é seo a fhreagairt go docht is gá tástáil staitistiúil le haghaidh ML: tástáil hipitéise atá curtha in oiriúint do chastachtaí comparáid samhla.
Tá an cur chuige naive – gnáth-thástáil t ar chruinneas gach fillte – lochtach, toisc go roinneann fillteacha na tras-bhailíochtaithe sonraí oiliúna agus mar sin sáraíonn siad an neamhspleáchas a ghlacann an tástáil t leis. Fágann sé seo an tástáil ró-mhuiníneach, rud a mhéadaíonn líon na ndearfaí bréige. Láimhseálann trí huirlis níos fearr cás an ML go hionraic.
Déanann tástáil McNemar comparáid idir dhá aicmitheoir ar an tacar tástála céanna, ag féachaint ach amháin ar na samplaí a n-easaontaíonn siad fúthu – go díreach an cheist cheart le haghaidh tuartha péireáilte. Déanann an bootstrap athshampláil ar an tacar tástála le hathchur arís agus arís eile, chun eatramh muiníne a thógáil don chruinneas go díreach, gan aon fhoirmle ag teastáil. Coigeartaíonn an tástáil t phéireáilte cheartaithe an t-athraitheas chun an forluí idir fillteacha CV a chur san áireamh, rud a chealaíonn ró-mhuinín an leagain naive.