Unverified50% confidenceFactExact time
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
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
UnverifiedMcEwen-Wiaux采样(2011)将采样点数减少到约2B²，更接近理论下限2B²-B+1个自由度68% similarUnverifiedMcNemar 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67% similarUnverifiedLLM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% similarVerified精度(Accuracy)的计算公式为(TP+TN)/(P+N)，即模型预测正确的样本数占总样本数的比例64% similarUnverified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63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/502207API
curl https://kongchang.com/api/v1/knowledge/claims/502207MCP
get_claim(id=502207)