J'ai l'impression qu'on mélange un peu tout là. Des statistiques descriptives, du machine learning, des tests...
Donc pour mettre les choses au clair :
plus la taille de ton échantillon est grande, plus on peut avoir des estimateurs précis : une moyenne calculée sur 1.000.000 d'échantillons est intuitivement plus "fiable" qu'une moyenne sur 10. Et ça se démontre avec sa variance (cf. théorème central limite).
un test statistique par définition, c'est "est-ce que mon hypothèse est vraie, et avec quelle probabilité ?"
Donc oui, si tu augmentes la taille de ton échantillon, tu es en mesure d'être plus discriminant.
Ex: Hypothèse: plus de la moitié des Français a un accès à la fibre optique.
Si ton échantillon est petit, genre 10 personnes, tu seras en mesure d'apporter une réponse, mais avec un gros risque d'erreur. H est vraie avec une proba de 50% par exemple.
Si tu interroges tout le monde, l'erreur passe à 0. Effectivement, c'est tout blanc ou tout noir du coup, mais je ne vois pas le problème, vu qu'en général on veut quand même un moyen de décision, pas juste un "ça dépend"
Grands nombres pour machine learning, oui et non.
Non parce que le sur-apprentissage, ça existe et c'est un problème... Par contre si la taille de ton jeu d'apprentissage est trop petite, on n'apprend rien, logique...
Donc oui, on peut faire des stats, parfois étonnamment précises, avec de petits jeux de données, mais dire que plus on a de données plus ça brouille tout, là non...
Quant à la phrase "tout devient normal, on ne voit plus rien", j'ai pas compris... tu parles du théorème central limite ? Je vois mal en quoi "on ne voit plus rien". Au contraire.
[^] # Re: Et pourtant une autre révolution est en marche
Posté par PyroTokyo . En réponse au journal Tesla Motors VS the rest of the world. Évalué à 3.
J'ai l'impression qu'on mélange un peu tout là. Des statistiques descriptives, du machine learning, des tests...
Donc pour mettre les choses au clair :
plus la taille de ton échantillon est grande, plus on peut avoir des estimateurs précis : une moyenne calculée sur 1.000.000 d'échantillons est intuitivement plus "fiable" qu'une moyenne sur 10. Et ça se démontre avec sa variance (cf. théorème central limite).
un test statistique par définition, c'est "est-ce que mon hypothèse est vraie, et avec quelle probabilité ?"
Donc oui, si tu augmentes la taille de ton échantillon, tu es en mesure d'être plus discriminant.
Ex: Hypothèse: plus de la moitié des Français a un accès à la fibre optique.
Si ton échantillon est petit, genre 10 personnes, tu seras en mesure d'apporter une réponse, mais avec un gros risque d'erreur. H est vraie avec une proba de 50% par exemple.
Si tu interroges tout le monde, l'erreur passe à 0. Effectivement, c'est tout blanc ou tout noir du coup, mais je ne vois pas le problème, vu qu'en général on veut quand même un moyen de décision, pas juste un "ça dépend"
Grands nombres pour machine learning, oui et non.
Non parce que le sur-apprentissage, ça existe et c'est un problème... Par contre si la taille de ton jeu d'apprentissage est trop petite, on n'apprend rien, logique...
Donc oui, on peut faire des stats, parfois étonnamment précises, avec de petits jeux de données, mais dire que plus on a de données plus ça brouille tout, là non...
Quant à la phrase "tout devient normal, on ne voit plus rien", j'ai pas compris... tu parles du théorème central limite ? Je vois mal en quoi "on ne voit plus rien". Au contraire.