교실 예제에서 평균의 차이는 약 0.46점입니다. 교장이 0.00에서 10.00까지의 척도에서 0.50 미만의 차이가 중요하지 않다고 판단하는 경우, 학년이 낮은 방에서 학생들이 방과 후 추가 수업을 시작하도록 강요 할 필요가 없을 수 있습니다. 즉, 통계 적 가설 테스트는 자동 의사 결정으로 이어지지 않습니다. 통계적으로 유의한 시험은 결정을 내리거나 결론을 도출하기 위해 다른 단서와 균형을 이루어야하는 또 다른 증거일 뿐입니다. 관심 지점 감지를 수행하기 위해 Accord.Imaging.HarrisCornersDetector 클래스를 사용합니다. 프로세스를 더 빠르게 만들기 위해 일부 점을 억제하기 위해 더 높은 억제 임계값을 사용할 수 있습니다. 이 예제에서는 1000을 사용 합니다. 프레임워크 사용은 다소 간단해야 합니다. 이를 설명하기 위해 다음 섹션에서는 가설 테스트 모듈을 사용하여 몇 가지 예제 문제와 솔루션을 제공합니다. 사운드는 파일에서 로드하거나 캡처 장치를 사용하여 즉석에서 녹음할 수 있습니다. 오디오를 즉석에서 녹음하는 방법에 대한 예는 오디오 녹음, 비트 감지 및 FFT 샘플 응용 프로그램을 참조하십시오.
새 프로젝트 대화 상자에서 Visual C# 범주에서 항목 “콘솔 응용 프로그램”을 선택합니다. 이 예제에서 C#을 사용하려는 경우에도 Accord.NET VB.NET 또는 C++/CLI와 같은 모든 .NET 호환 언어를 지원한다는 점에 유의하십시오. 아마도 이 문제를 설명하는 가장 좋은 예 중 하나는 Martha K. Smith가 제공합니다: 해당 문서에서 사용할 수 있는 모든 코드는 Accord.NET 프레임워크 내에서도 사용할 수 있습니다. 이러한 문서는 프레임워크를 사용하는 방법에 대한 좋은 예제를 제공하며 프레임워크에서 이러한 모델을 사용하는 방법에 대한 실용적인 구현으로 간주될 수 있습니다. 행렬 조작의 한 가지 일반적인 작업은 행렬을 다양한 형태로 분해하는 것입니다. 프레임워크에서 지원하는 분해의 몇 가지 예는 다음과 같습니다. 이러한 분해는 선형 시스템을 해결하고 행렬 역과 의사 반전을 계산하며 데이터에 대한 기타 유용한 정보를 추출하는 데 사용할 수 있습니다. 예제의 마지막 줄은 프레임워크의 DataGridBox 개체를 사용하여 ANOVA 테이블을 보여 주며 있습니다. DataGridBox는 MessageBox를 사용하여 메시지를 표시하는 것처럼 DataGridView를 표시하기 위한 편리한 클래스입니다.
표는 아래와 같습니다: 통계 적 가설 테스트에 의해 확인된 가설은 종종 모집단의 무작위 표본이 주어진 확률 분포에서 오는지 여부에 대한 이론입니다. 이것은 이상한 것처럼 보이지만 몇 가지 문제가 이런 식으로 발생할 수 있습니다. 예를 들어, 교실의 학생이 다른 교실의 학생과 성적이 상당히 다른지 확인한다고 가정해 보겠습니다. 일부 학생들은 행운 때문에 시험에서 더 잘 수행 할 수 있기 때문에 어떤 차이도 우연에 기인 할 수 있습니다. 그러나, 캐치는 그것을 반박하는 하나의 반대 예제를 취할 것입니다. 우리가 검은 색 하나의 백조를 발견하면, 전체 이론을 거부해야하므로 대체 이론이 제기 될 수 있습니다. 이론을 잘못 증명하려고 시도하는 것은 매우 쉬워야 합니다. 이론이 지속적으로 잘못된 입증 될 수있는 시도를 살아남는다면, 그것은 강해진다. 이것은 반드시 그것이 정확하다는 것을 의미하지는 않으며, 단지 잘못 될 가능성이 매우 낮다는 것을 의미하지는 않습니다. 프레임워크는 LibSVM의 스파스 형식으로 저장된 파일에서 로드할 수도 있습니다. 즉, 필요한 경우 한 도구를 사용하여 모델을 만들거나 학습하고 다른 도구에서 실행하는 것이 간단해야 합니다. 예를 들어 Accord.NET 모바일 응용 프로그램에서 실행할 수 있다는 점을 감안할 때 liblinear를 사용하여 컴퓨팅 그리드에서 모델을 만들고 학습한 다음 Accord.NET 로드하여 Windows Phone 응용 프로그램에 통합할 수 있습니다.
PS: 교실 예제에서는 T-검정을 사용하여 채우기 평균의 차이를 테스트합니다. T-Test는 정규 분포를 가정합니다. 그러나 데이터는 0에서 10 사이에 손상되기 때문에 정확히 정상이 아닙니다.