Структурированный блокнот   
 Машинное обучение (Machine Learning, обучающиеся алгоритмы) →  Статистика →  Хорошо поставленный эксперимент →  

Отсутствие искажающих факторов

Здесь возможны самые разнообразные проблемы. Обычно, почти невозможно построить чистый эксперимент, однако, нужно продумать, какие наиболее сильные факторы всё же можно устранить.
Например, если мы проводим проверку методики развития памяти в сравнении с людьми, которые не тренируют память. Кратко план эксперимента. Проверяем память людей. Далее делим их на 2-е группы: первую группу обучаем, вторую не обучаем. После этого заново проводим тест их всех на память.
Какие здесь возможны искажающие факторы? И что можно было бы улучшить
Те кто ходили на занятия могли, например, меньше употреблять спиртное (т.к. были заняты) -- для тех, кто не проходили обучение нужно также делать какие-то занятия (в идеале говорить, что тоже на развитие памяти, но давать заведомо неэффективные упражнения), здесь правда тоже нужно быть осторожным, чтобы люди не чувствовали, что их грузят какой-то бесполезной работой. Наверное, самым лучшим экспериментом было бы сравнение 2-х методик обучения. Тогда обе группы будут честно сходно заняты.
Те кто ходили на занятия могли просто более ответственно отнестись к финальному тестированию -- нужно продумать мотивацию тех, кто не ходил (в идеале, если они тоже занимались, то у них должна быть схожая мотивация).
Те кто ходили на занятия могли лучше освоиться в помещении, с оборудованием и людьми, которые проводят тесты -- если вторая группа не ходила на обучение, то в идеале проводить финальный тест в условиях одинаково незнакомы и для них и для первой группы (в каком-нибудь другом помещении, на других программах/компьютерах, другими людьми -- не теми, что проводили обучение).

Думаю, в целом идея понятна. И необходимость продумывать свой эксперимент теперь очевидна. Но общего решения здесь не существует, проблемы весьма индивидуальны, нужно думать в каждом конкретном случае.
Поиск по записям: только в текущем разделе.