Blog

用 bias–variance 诊断 underfitting、overfitting、模型复杂度和泛化问题。

Bootstrap 通过反复重采样已有测试集，估计模型分数和模型差异的不确定性。

没有不确定性的模型分数很好读，也最容易被过度相信。

相关性是有用证据，但因果结论需要更强的实验设计和假设。

为什么一次划分很脆弱，K-fold 如何工作，以及交叉验证什么时候会在 NLP 中误导我们。

统计显著的结果，仍然可能小到没有研究或应用意义。