假发现率FDR（False Discovery Rate）是在多重假设检验中用来控制多重比较的一种方法。在以往的一系列研究中，人们用FDR来防止不正确地拒绝了零假设（null hypotheses）。相比FWER，如Bonferroni correction，FDR要宽松一点。数据分析中常碰见多重检验问题 (multipletesting).Benjamini于1995年提出一种方法,通过控制FDR(...
False discovery rate (FDR)，误报率。FDR的真正含义是"所有发现中发生了错误所占的比率"，即在计算所有discovery中false(假发现)所占的比率。常有误译为“错误发现率”，但个人认为“误报率”更准确。了解FDR，需要熟悉几个相关概念：False omission rate (FOR)。将FOR译为“错漏率”会更贴切。在...
发金币求falsediscoveryrate指的是在某种情境下，通过发放金币来激励用户参与并产生虚假发现的比率。FDR通常用于描述在数据分析或搜索结果中，由于各种激励措施导致的误报率。在网络环境或数据分析领域，特别是在涉及大量用户生成内容或搜索结果排序的情境中，为了提高用户参与度或优化搜索结果的质量，一些平台可...
False discovery rate (FDR) 的真正的意思是“所有发现中发生了错误所占的比率”，也就是在计算所有的...
False discovery rate(FDR),一般翻译为错误发现率。在研究使用假设检验解决机器学习中的分类问题时,我遇到了多重假设检验问题。FWER和FDR正是解决这一问题的两种方法。经过老师和师兄师姐的指导,我能够将FDR应用于自己的问题当中,并且实验结果也有所改善。但是,应用之后,我仍然存在一些困惑,比如FWER和FDR到底是什么,...
那么这100个基因中，可能有20个（假设的）基因的显著性差异是假的。总体的FDR值就是20%，
FDR 尽管Holm对Bonferroni的方法进行了一定的修正,但FWER在假设检验次数较多的时候还是过于保守。这时一个新的概念——False Discovery Rate(FDR)被提出。 在介绍FDR之前,我们先引入False positive proportion——Fdp的概念。Fdp的概念非常简单,就是在认为显著的检验中,第一类错误的比例。定义如下: ...
生物数据统计分析中，p-value、adjusted p-value、q-value和False Discovery Rate (FDR) 是几个关键的概念，它们在判断实验组与对照组差异显著性时起着重要作用。虽然p-value直观地表示在假设H0（不存在差异）为真时，观察到数据的概率，但它可能受到多重假设检验的影响，导致假阳性结果。为了解决这个...