统计学nb。当笔者使用SPSS，或者调用很多sk-learn函数包时，常常会用并不是最难的，会选择包，会阅读结果，会得出统计学答案才是最难的。

T-Value

T-value 就是组间差异与组内差异的比值。
$t=XˉA−XˉBSE(XˉA−XˉB)t=\frac{\bar{X}_{A}-\bar{X}_{B}}{S E\left(\bar{X}_{A}-\bar{X}_{B}\right)}$
其中SE指Standard Error。

单样本T值

对于单样本来说
$t=m−μs/nt=\frac{m-\mu}{s / \sqrt{n}}$

m−μ
其中m为样本均值，

μ\mu

为理论均值，s是样本标准差，n是样本量。

阈值和结果阅读

如果第一组均值大于第二组均值，则t值将为正；如果较小，则t值将为负。
一旦T值确定，则必须在阅读t检验表（见附录）

$α\alpha$ 选定0.05，自由度dF:
$d f = n - 1$

T-test解释

t检验评估两组的均值是否在统计学上彼此不同。每当您想比较两组均值时，此分析都是合适的，尤其适合作为posttest-only two-group randomized experimental design.

但上图仅仅是一个理想分布，实际情况中，由于结果的可变范围不同，在相同的均值差下，可能看起来会有几乎完全不同的效果，如下图：

当我们查看两组分数之间的差异时，我们必须判断其均值相对于分数分布或变异性的差异。T检验就是这样做的。

T-Test单双尾检验选择

t -test 首先要服从正态分布，如果不服从正态分布，可以使用非参数检验

附录：T-test表

表格来源：http://www.sthda.com/english/wiki/t-distribution-table

扩展阅读

同方差（pooled variances）t-test

$t=mA−mBS2nA+S2nBt=\frac{m_{A}-m_{B}}{\sqrt{\frac{S^{2}}{n_{A}}+\frac{S^{2}}{n_{B}}}}$

mA−mB
其中

S2=∑(x−mA)2+∑(x−mB)2nA+nB−2S^{2}=\frac{\sum\left(x-m_{A}\right)^{2}+\sum\left(x-m_{B}\right)^{2}}{n_{A}+n_{B}-2}

异方差（separate variance）t-test

$t=mA−mBsA2nA+SB2nBt=\frac{m_{A}-m_{B}}{\sqrt{\frac{s_{A}^{2}}{n_{A}}+\frac{S_{B}^{2}}{n_{B}}}}$

mA−mB
其中

配对样本 T 检验（paired t-test）

如果对相同的人或事，有两个测量值（before/after）选择配对 T 检验。

要比较配对样本的均值，首先要计算出所有配对的差值 d。

m:d 的平均值；

s:d 的标准差；

n:d 的数量。

自由度: $df=n_{d}-1$

机器学习中使用T-Test做特征筛选

机器学习中有三种特征筛选方法：

Filter approach和“任务”无关
Wrapper approach用predictor来评估参数，和任务有关
Embedding approach用predictor来构建一个模型，之后用模型来选择，Lasso也属于这里

使用T-test做二分类问题的参数选择如下图：右侧是比较好的特征

T-Test的R语言实战

https://zhuanlan.zhihu.com/p/38243421

参考文献

https://www.statisticshowto.datasciencecentral.com/probability-and-statistics/t-test/
http://www.sthda.com/english/wiki/t-test-formula
https://socialresearchmethods.net/kb/statistical-student-t-test/

特征筛选利器：详解T-test（T检验）原理、参数分析、单\双尾检验选择相关推荐

尺度不变特征变换匹配算法详解
尺度不变特征变换匹配算法详解 Scale Invariant Feature Transform(SIFT) Just For Fun 对于初学者,从David G.Lowe的论文到实现,有许多鸿沟, ...
python 数列筛选_对numpy中的数组条件筛选功能详解
在程序设计中,时常会遇到数据的唯一化.相同.相异信息的提取等工作,在格式化的向量存储矩阵中南,numpy能够提供比较不错的快速处理功能. 1,唯一化的实现: In [63]: data = np.ar ...
php搜索表格,table表格内对某列内容进行搜索筛选步骤详解
这次给大家带来table表格内对某列内容进行搜索筛选步骤详解,table表格内对某列内容进行搜索筛选的注意事项有哪些,下面就是实战案例,一起来看一下. 往往有些时候,我们把数据从数据库读取出来,显示到 ...
详解OpenCV中的Lucas Kanade稀疏光流单应追踪器
详解OpenCV中的Lucas Kanade稀疏光流单应追踪器 1. 效果图 2. 源码参考这篇博客将详细介绍OpenCV中的Lucas Kanade稀疏光流单应追踪器. 光流是由物体或相机的运动 ...
网络知识详解之：HTTPS通信原理剖析（对称、非对称加密、数字签名、数字证书）
网络知识详解之:HTTPS通信原理剖析(对称.非对称加密.数字签名.数字证书) 计算机网络相关知识体系详解网络知识详解之:TCP连接原理详解网络知识详解之:HTTP协议基础网络知识详解之:HTT ...
详解阿里巴巴1688日常业务中的榜单算法
导读:本文详解阿里巴巴1688日常业务中的榜单算法. 作者:阿里集团新零售技术事业群 CBU技术部来源:大数据DT(ID:hzdashuju) 在1688日常的业务场景中,榜单(如图6-14所示) ...
tomcat7修改内存 win_详解Windows下调整Tomcat启动参数的实现方法
Windows下调整Tomcat启动参数 Tomcat默认可以使用的内存为128MB,对于访问数比较多.比较吃内存的应用来说,这是不够的.我们可以通过调整Java虚拟机的启动参数来增加Tomcat可使 ...
详解CUDA核函数及运行时参数
详解CUDA核函数及运行时参数核函数是GPU每个thread上运行的程序.必须通过__gloabl__函数类型限定符定义.形式如下: __global__ void kernel(param lis ...
python什么是可变参数_详解Python的三种可变参数
可变参数可变参数应该最简单,在C/C++和Java等语言中都有,就是用*号来表示,例如 def testArg(*arg) 你可以传入任意多个元素(包括0)到参数中,在函数内部会自动认为是一个元组或 ...
详解变频器、逆变器工作原理
我现在知道直流怎么变为交流,通过PWM波,我感觉无人机的电调就是个逆变器,就是把直流变为交流,莫非就是飞控输出PWM,电调就是专为交流电?不讲道理是PWM遇到电机线圈就自动变为交流电了么. 摘自:ht ...

特征筛选利器：详解T-test（T检验）原理、参数分析、单\双尾检验选择