等效边界

要证明两种方法“实际等效”，需要预先设定一个等效边界（margin），并在此基础上进行正式的等效性检验。

等效边界（margin）必须在开展等效性检验之前预先设定，其设定必须基于领域知识或实际需求，而非数据本身，否则会引入偏倚。

在机器学习中，等效边界可依据指标的实际意义来定，例如AUROC差异不超过0.01。

研究给出了一个闭式公式，将等效边界和目标功效转换为每种方法所需的运行次数，公式中的shifted-t修正项根据实际的两级过程进行了校准。