Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
McNemar检验对比机器学习模型：随机种子下的正确用法
redditr/learnmachinelearning7/11/2026
Related Claims
UnverifiedMcNemar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% similarUnverified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% similarUnverified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% similarUnverified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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/502206API
curl https://kongchang.com/api/v1/knowledge/claims/502206MCP
get_claim(id=502206)