待验证50% 置信解决方案精确时间
置换检验通过大量随机置换（通常1000到10000次）构建零假设下的经验分布来估计p值，无需参数假设但计算成本相对较高
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
待验证在机器学习多种子实验中重复次数通常只有5到10次，样本量极小，正态性假设难以验证，因此 Wilcoxon 检验往往是更保守稳健的选择73% 相似待验证对于概率为10⁻⁶甚至更低的极端事件，蒙特卡洛方法要在随机采样中捕捉到一次，理论上需要百万至十亿次以上的独立模拟73% 相似待验证在8个模型均随机猜测的假设下，单次二元预测中至少有一个押中的概率约99.6%73% 相似待验证当团队测试1000种策略参数组合，即便所有组合毫无预测力，纯粹由于随机性也会出现约50种在回测中表现优异的组合（多重比较问题）72% 相似待验证在5%显著性水平下测试100个随机因子，期望会有5个看起来显著（多重假设检验问题）71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502764API
curl https://kongchang.com/api/v1/knowledge/claims/502764MCP
get_claim(id=502764)