概念False Discovery Rate / 错误发现率
FDR
错误发现率，多重假设检验中控制假阳性比例的标准统计方法，在Learn Then Test框架中用于一次性筛选满足风险预算的阈值集合
时间轴 (近 90 天)
10月19日
Conformal Policy Selection 将选择性部署重新表述为多重检验问题，用错误发现率（FDR）控制为个体级AI决策部署提供统计保证。
待验证50%
10月19日
错误发现率（FDR）是多重假设检验中控制错误拒绝比例的一个统计指标，定义为被拒绝的原假设中实际为真的比例的期望值。
待验证50%
10月16日
错误发现率（FDR）由Benjamini和Hochberg于1995年提出，定义为所有被判定为显著的发现中错误发现所占比例的期望值。
待验证50%
10月16日
Knockoff 方法通过为每个原始变量构造一个仿冒变量，并要求二者在联合分布中满足交换对称性，从而利用原始变量与 knockoff 的统计量差异来控制 FDR；列置换等变性是构造有效 knockoff 统计量的关键前提。
待验证50%
全部知识事实 (4)
待验证
Conformal Policy Selection 将选择性部署重新表述为多重检验问题，用错误发现率（FDR）控制为个体级AI决策部署提供统计保证。
50%待验证错误发现率（FDR）是多重假设检验中控制错误拒绝比例的一个统计指标，定义为被拒绝的原假设中实际为真的比例的期望值。
50%待验证错误发现率（FDR）由Benjamini和Hochberg于1995年提出，定义为所有被判定为显著的发现中错误发现所占比例的期望值。
50%待验证Knockoff 方法通过为每个原始变量构造一个仿冒变量，并要求二者在联合分布中满足交换对称性，从而利用原始变量与 knockoff 的统计量差异来控制 FDR；列置换等变性是构造有效 knockoff 统计量的关键前提。
50%