待验证50% 置信事实精确时间

McNemar 检验关注两个模型在每个样本上的分歧情况，只有判断结果不一致的样本（b和c单元格）具有信息量，两者都对或都错的样本被视为无关信息

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

McNemar检验对比机器学习模型：随机种子下的正确用法

redditr/learnmachinelearning2026/7/11

相关事实

待验证McNemar检验的零假设是b和c在总体中相等，即两个模型犯错方向对称，无系统性优劣79% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现68% 相似待验证多重比较问题指同时测试多个模型变体时，即使每个单独检验显著性水平设为0.05，整体假阳性率也会急剧膨胀68% 相似待验证对比学习中的推远操作只要求负样本相似度低于正样本，并不要求达到-1的极端值68% 相似待验证配对 t 检验假设两组差值服从正态分布，适用于样本量较大（通常 n>30）的场景；Wilcoxon 符号秩检验是其非参数替代方案，仅要求差值分布对称68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502206

API

curl https://kongchang.com/api/v1/knowledge/claims/502206

MCP

get_claim(id=502206)