পরীক্ষার তথ্য স্বতন্ত্র নয় এমন ভবিষ্যদ্বাণীমূলক মডেলগুলির সাধারণীকরণ ত্রুটির লক্ষ্যে আমি "বৈধকরণ" দ্বারা সবচেয়ে বেশি (এবং বেশিরভাগ ক্ষেত্রেই) বিরক্ত হয়েছি (উদাহরণস্বরূপ ডেটাতে রোগীর প্রতি সাধারণত একাধিক পরিমাপ, বুট-অফ-বুটস্ট্র্যাপ বা ক্রস বৈধতা বিভাজন পরিমাপ নয়) রোগীদের )।
আরও বিরক্তিকর, এমন ত্রুটিযুক্ত ক্রস বৈধকরণের ফলাফলের সাথে সাথে একটি স্বতন্ত্র পরীক্ষার সেট দেয় এমন কাগজপত্রগুলি যা ক্রস বৈধকরণের ওভারপামটিস্টিক পক্ষপাত প্রদর্শন করে তবে ক্রস বৈধকরণের নকশাটি ভুল বলে একটি শব্দও নয় ...
(যদি একই তথ্য উপস্থাপন করা হত তবে আমি পুরোপুরি খুশি হব "আমরা জানি ক্রস বৈধতা রোগীদের বিভক্ত করা উচিত, তবে আমরা এমন সফ্টওয়্যার দিয়ে আটকেছি যা এটির অনুমতি দেয় না Therefore তাই আমরা পরীক্ষার রোগীদের সত্যিকারের স্বতন্ত্র সেট পরীক্ষা করেছি ")
(আমি এটাও জানি যে বুটস্ট্র্যাপিং = রিপ্লেসমেন্টের সাথে পুনঃসামালন সাধারণত ক্রস বৈধকরণের চেয়ে প্রতিস্থাপন = প্রতিস্থাপন ছাড়াই পুনরায় মডেলিং করে However তবে, আমরা বর্ণালী সংক্রান্ত তথ্য (সিমুলেটেড বর্ণালী এবং সামান্য কৃত্রিম মডেল সেটআপ তবে বাস্তব বর্ণালী) পেয়েছি যা পুনরাবৃত্তি / পুনরাবৃত্ত ক্রস বৈধতা এবং আউট - বুটস্ট্র্যাপের একই সামগ্রিক অনিশ্চয়তা ছিল; oob এর পক্ষপাতিত্ব কিন্তু কম বৈকল্পিক ছিল - পুনর্বিবেচনার জন্য, আমি এটিকে খুব বাস্তববাদী দৃষ্টিকোণ থেকে দেখছি: বারবার ক্রস বৈধতা বনাম-বুটস্ট্র্যাপ যতক্ষণ না অনেক কাগজপত্র হিসাবে ততক্ষণ গুরুত্বপূর্ণ নয় সীমিত পরীক্ষার নমুনা আকারের কারণে এলোমেলো অনিশ্চয়তার কথা বলা বা আলোচনা / আলোচনা / উল্লেখ করা বা ভাগ করা যায় না)
ভুল হওয়ার পাশাপাশি এর পার্শ্ব প্রতিক্রিয়াও রয়েছে যে লোকেরা যারা যথাযথ বৈধতা দেয় তাদের প্রায়শই রক্ষা করতে হয় যে কেন তাদের ফলাফলগুলি সাহিত্যের অন্যান্য ফলাফলগুলির চেয়ে এত খারাপ হয় are