【数据分析】辛普森悖论

http://www.appadhoc.com/blog/simpson-paradox-in-abtesting/

网站不知名写手柠乐同学

350人浏览 · 2020-08-18 17:46:21

网站不知名写手柠乐同学 · 2020-08-18 17:46:21 发布

提出问题

一个工作中里有销售和客服两个部门。这两边面试者的女生都抱怨“男生录取率比女生录取率高”，有性别歧视。但是公司做总录取率统计，却发现总体来说女生录取率远远高于男生录取率，为什么？
在这里插入图片描述

理解

a/btest的选择总体情况不同导致了幸存者偏差，所以要选取有代表性的用户特征，避免直觉陷阱。参考：http://www.appadhoc.com/blog/simpson-paradox-in-abtesting/

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要

魔乐社区

计算机视觉（opencv）实战三十二——CascadeClassifier 人脸微笑检测（摄像头）

本文从原理到实现，详细介绍了基于 OpenCV Haar 分类器的人脸与微笑检测：讲解了 Haar 特征和级联检测原理。对代码逐行拆解并解释参数含义。画出完整流程图，帮助理解执行过程。给出了常见问题和优化建议，甚至扩展到深度学习方法。这种方法简单、轻量、实时性好，非常适合入门和小型应用项目。但如果需要更高准确率和更强鲁棒性，建议使用深度学习检测器替代 Haar 分类器。