在分析过程中,我们可能:
(1)从总体数据集中抽样得到样本数据集;
(2)将总体数据集抽样,分为训练集、校验集、测试集;
(3)我们得到训练集、校验集,但没有办法得到总体数据集;
因此,对于连续型变量我们可能需要比较这几类数据集的一些统计量(如均值、方差、标准差)或者分布是否相等。
比较方法有两大类别,一类就是使用经典统计方法,比如t-test, Chi-square test,另一种使用简单的数值比较法,而不用统计检验方法,比如直接比较两个统计量的比值,如果超差异超过10%,常被认为是不一致。
在实际项目经验中,两种方法都会涉及。