深度解析机器学习中的置信区间（附代码）

机器学习很多时候需要估计某个算法在未知数据上的性能。

置信区间是一种对估计不确定性的量化方法，它们可以用来在总体参数（例如平均值mean，就是从总体中的一个独立观测样本上估计而来）上添加一个界限或者可能性。

在这篇教程中，你会了解置信区间以及如何在实践中计算置信区间。

学完本教程后，你会明白：

置信区间是总体参数估计的一个界限
我们可以直接计算分类方法估计能力的置信区间
任意总体统计的置信区间都可以用bootstrap以一种分布无关法（distribution-free）进行估计

我们开始吧。

点击查看原文