01
lambda 的計算方式
E₁ 是總是猜整體最常見類別時的錯誤數；E₂ 是在預測變數的每個類別中，猜該類別最常見類別時的錯誤數。lambda 就是減少的錯誤比例。
- λ = (E₁ − E₂) ÷ E₁
- λ(列|欄)：以欄預測列；λ(欄|列)：反之。
- 對稱 lambda 綜合兩個方向。
02
範例
以開啟時的表格 [[30, 15, 5], [12, 25, 13], [4, 14, 32]]（n = 150）計算，λ(列|欄) = 0.370，λ(欄|列) = 0.344，對稱 lambda = 0.357。知道欄之後，猜列的錯誤大約減少三分之一。
03
什麼時候使用，什麼時候不要用
lambda 很直觀，但有一個眾所周知的弱點。
- 預測方向有意義的名目變數。
- 想用「錯誤減少多少」簡單溝通時。
- 若每一組中最常見的類別都相同，即使有關聯 lambda 也可能為 0。此時請檢查 Cramér's V 或 Theil's U。
- 需要利用順序的有序資料不要用。