待验证50% 置信决策规则精确时间
当 b+c < 25 时应改用精确的二项分布检验，将 b 视为参数 p=0.5 的二项分布下的观测值
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69% 相似待验证二项分布的方差为Np(1-p)，在p=0.5时达到最大值69% 相似待验证LLM每次调用可建模为伯努利试验，N次调用通过次数服从二项分布B(N, p)，通过率95%置信区间约为p̂ ± 1.96×√(p̂(1-p̂)/N)66% 相似待验证McNemar 检验统计量为 χ² = (|b - c| - 1)² / (b + c)，当样本量足够时近似服从自由度为1的卡方分布，其中-1为Yates连续性校正项63% 相似待验证若单一模型漏检率为 p，两个训练背景不同的模型同时漏检同一错误的概率近似降至 p²，20%漏检率理论上可降至 4%62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502208API
curl https://kongchang.com/api/v1/knowledge/claims/502208MCP
get_claim(id=502208)