机器学习中的算法性能假设检验--最通俗易懂

一个数据集、单个算法

一次留出法----二项检验

  m个样本的测试集上，泛化错误率为$ϵ$的学习器被测得测试错误率为$\widehat{ϵ}$的概率是：
$$P(\widehat{ϵ};ϵ)=\left(\begin{array}{c}m\\ \hat{c}\times m\end{array}\right){ϵ}^{\hat{e}\times m}(1-ϵ{)}^{m-\hat{e}\times m}$$
  服从二项分布，可使用“二项检验”进行检验。

多次重复留出法或交叉验证法----t检验

  多次重复留出法或者交叉验证法进行训练/测试，会得到多个测试错误率，此时可使用“t检验”。假定获得了k个测试错误率，$\widehat{ϵ1}、\widehat{ϵ2}、\widehat{ϵ3}\dots \widehat{ϵ}k$，则平均测试错误率为$\bar{X}$和$S^2$。
$$\bar{X}=\frac{1}{k}\sum _{i=1}^k{\hat{\epsilon }}_i,S^2=\frac{1}{k-1}\sum _{i=1}^k{\left({\hat{\epsilon }}_i-\bar{X}\right)}^2$$
  根据中心极限定理可知，
$$\frac{(\bar{X}-\epsilon )}{S/\sqrt{n}}\sim t(\mathrm{n}-1)$$
  t分布示意图及常用双边临界值表如下所示：

一个数据集、两个算法----交叉验证t检验

  对于一个数据集，两个算法A和B，使用k折交叉验证法得到的测试错误率分别为${\hat{\epsilon }}_{iA}、{\hat{\epsilon }}_{iB}(i=1,2,,,k)$。可采用k折交叉验证“成对t检验”来进行检验。
  基本思想是若两个算法的性能相同，则他们使用相同的训练集/测试集得到的测试错误率应相同，即${\hat{\epsilon }}_{iA}={\hat{\epsilon }}_{iB}$。
对每一组测试错误率求差值，${\Delta }_i={\hat{\epsilon }}_A-{\hat{\epsilon }}_B$，若两个算法性能相同，则差值均值为零。可根据${\Delta }_{1、}{\Delta }_{2、}...{\Delta }_{k、}$进行t检验，计算出差值的均值$|\vec{\Delta }|$和方差$S^2$，则：
$$\frac{\left|(\bar{\Delta }-\left({\epsilon }_A-{\epsilon }_B\right)⟩\right|}{S/\sqrt{\mathrm{k}}}\sim t(\mathrm{k}-1)$$
  若假设$H_0:{\epsilon }_A={\epsilon }_B,H_1:{\epsilon }_A\ne {\epsilon }_B$，则，满足$\frac{|\bar{\Delta }|}{S/\sqrt{\mathrm{k}}}\le {\mathrm{t}}_{\partial /2}$。
  由于样本有限，在使用交叉验证等方法的时候，会导致不同轮次的训练集有一定程度的重叠，是的测试错误率不独立，导致过高估计假设成立的概率，为缓解这一问题，可采用“5次2折交叉验证”。

一组数据集、多个算法----Friedman检验与Nemenyi检验

Friedman检验

  假设有数据集D1、D2、D3、D4，算法A、B、C进行比较。
  使用留出法或者交叉验证得到每个算法在每个数据集上的测试结果，然后在每个数据集上根据测试性能由好到坏排序，并赋予序值1,2,…，若算法测试性能相同，则平分序值。

  使用Friedman检验来判断这些算法是否性能相同，若相同，则它们的平均序值应当相同。
  若在N个数据集，比较k个算法，令$r_i$表示第i个算法的平均序值，则$r_i$的均值和方差分别为$(k+1)/2,(k+1)(k-1)/12$，则有：
$$\begin{array}{rl}{\tau }_{{\chi }^2}& =\frac{k-1}{k}\cdot \frac{12N}{k^2-1}\sum _{i=1}^k{\left(r_i-\frac{k+1}{2}\right)}^2\\ & =\frac{12N}{k(k+1)}\left(\sum _{i=1}^k{r}_i^2-\frac{k(k+1{)}^2}{4}\right)\end{array}$$
  在k和N比较大时，服从自由度为k-1的${\chi }^2$分布。
$${\tau }_F=\frac{(N-1){\tau }_{{\chi }^2}}{N(k-1)-{\tau }_{{\chi }^2}}$$
  服从自由度为k-1和(k-1)(N-1)的F分布。下面是F检验常用的临界值：

Nemenyi检验

  若原假设被拒绝，则需要进行后续检验，来得到具体的算法之间的差异。常用的是Nemenyi检验。Nemenyi检验计算出平均序值差别的临界值域，下表是常用的qa值，若两个算法的平均序值差超出了临界值域CD，则相应的置信度$1-\alpha$拒绝“两个算法性能本相同”的假设。
$$CD=q_{\alpha }\sqrt{\frac{k(k+1)}{6N}}$$
  qa中常用的联临界值：

链接

https://blog.csdn.net/qqMiSa/article/details/98660515