Разница между параметрическими и непараметрическими методами

Опубликовано: 22 Июля, 2021

Параметрические методы
Основная идея параметрического метода заключается в том, что существует набор фиксированных параметров, которые используются для определения вероятностной модели, которая также используется в машинном обучении.
Параметрические методы - это те методы, для которых мы априори знаем, что популяция нормальна, или, если нет, то мы можем легко аппроксимировать ее, используя нормальное распределение, которое возможно с помощью центральной предельной теоремы.
Параметры для использования нормального распределения:

  • Иметь в виду
  • Стандартное отклонение

В конце концов, классификация метода как параметрического полностью зависит от предположений, которые делаются в отношении совокупности. Доступно множество параметрических методов, некоторые из них:

  • Доверительный интервал, используемый для среднего значения совокупности с известным стандартным отклонением.
  • Доверительный интервал используется для средних значений совокупности с неизвестным стандартным отклонением.
  • Доверительный интервал дисперсии генеральной совокупности.
  • Доверительный интервал для разницы двух средних с неизвестным стандартным отклонением.

Непараметрические методы
В непараметрических методах нет необходимости делать какие-либо предположения о параметрах для данной популяции или популяции, которую мы изучаем. Фактически, методы не зависят от населения.
Здесь нет фиксированного набора параметров, а также нет доступного для использования любого вида распределения (нормального распределения и т. Д.). Это также причина того, что непараметрические методы также называют методами без распространения.
В настоящее время непараметрические методы набирают популярность, и влияние некоторых причин, стоящих за этой известностью, заключается в следующем:

  • Основная причина в том, что при использовании параметрических методов нет необходимости быть манерным.
  • Вторая важная причина заключается в том, что нам не нужно делать все больше и больше предположений о данной (или взятой) совокупности, над которой мы работаем.
  • Большинство доступных непараметрических методов очень просты в применении и понимании, т. Е. Их сложность очень мала.

Сегодня доступно множество непараметрических методов, но некоторые из них -

  • Корреляционный тест Спирмена
  • Знаковый тест на средние значения населения
  • U-тест для двух независимых средств

Разница между параметрическими и непараметрическими методами заключается в следующем:

S.No. Параметрические методы Непараметрические методы
1. Параметрические методы используют фиксированное количество параметров для построения модели. Непараметрические методы используют гибкое количество параметров для построения модели.
2. Параметрический анализ предназначен для проверки групповых средних. Непараметрический анализ предназначен для проверки медиан.
3. Это применимо только для переменных. Это применимо как для переменной, так и для атрибута.
4. Он всегда принимает во внимание сильные предположения о данных. Это вообще меньше предположений о данных.
5. Для параметрических методов требуется меньше данных, чем для непараметрических методов. Непараметрические методы требуют гораздо больше данных, чем параметрические методы.
6. Параметрические методы предполагают нормальное распределение. В непараметрических методах нет предполагаемого распределения.
7. Дескрипторы параметрических данных - данные интервалов или данные о соотношении. Но непараметрические методы обрабатывают исходные данные.
8. Здесь, когда мы используем параметрические методы, выбросы могут легко повлиять на результат или выходные данные. Когда мы используем непараметрические методы, выбросы не могут серьезно повлиять на результат или полученные выходные данные.
9. Параметрические методы могут хорошо работать во многих ситуациях, но их производительность находится на пике (вершине), когда разброс каждой группы различен. Точно так же непараметрические методы могут хорошо работать во многих ситуациях, но их производительность находится на пике (вверху), когда разброс каждой группы одинаков.
10. Параметрические методы обладают большей статистической мощностью, чем непараметрические методы. Непараметрические методы обладают меньшей статистической мощностью, чем параметрические методы.
11. Что касается вычислений, эти методы вычислительно быстрее, чем непараметрические методы. Что касается вычислений, эти методы вычислительно быстрее, чем параметрические методы.
12. Примеры -
Логистическая регрессия, наивная байесовская модель и т. Д.
Примеры -
KNN, модель дерева решений и т. Д.