Разница между параметрическими и непараметрическими методами
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. |