python机器学习-乳腺癌细胞挖掘（博主亲自录制视频）
效应量可以表示两组样本平均数的差异
效应量可以用d表示，其公式
观察实验组和对照组，效应量越大，两组平均数越远，差异越大
效应量不受样本容量的影响。当样本容量大得到显著时，有必要报告效应量大小。
效应量太小，意味着处理即使达到了显著水平，也缺乏实用价值。
在一般统计分析中，一般我们只报告统计量F或t值，与p-value；实际上这些统计量对数据的描述只是描述了一小部分；传统的描述还应包括样本量，样本均数与标准差；但这些传统的描述量基本只是对单变量分布的描述，而对两组变量或处理效应的描述，则用effectsize更加直观。它在平均数检验中表示的是两组样本分布的总体的非重叠程度；ES越大，重叠程度越小，效应明显；ES越小则相反。可以这样理解，不管你取哪种样本，ES是作为为一种标准的均数差异的估计，它与当前样本无关。显然，传统的推断统计量F及p-value只是说明均数差异，但这种差异脱离样本推广到不同的抽样群体，差异究竟有多大，需要用ES来描述。（可以这样来形容F值与ES值：F值表示的是样本1与样本2之间的显著性；而ES值是表示在样本1的总体与样本2的总体中随便抽取两个样本，这种差异显著性出现的可能性）。
不同检测中，效应量量化程度不同
https://study.163.com/provider/400000000398149/index.htm?share=2&shareId=400000000398149（ 欢迎关注博主主页，学习python视频资源，还有大量免费python经典文章）
