两个分类器在不同数据集的比较:
- 平均值
1.对于不同数据集的结果不具有可比性
2.但在相关问题上有意义,如不同机构的某种疾病的数据库
3.受极端值影响很大(毫无统计意义) - 双T检验
1.只用在数据集差异相当时双T检验才有意义
需要数据集的样本足够大(~30)以满足正态分布。
2.受极端值的影响。 - Wilcoxon 符号检验
使用非参数检验,不假设正态分布,同时受极端值影响小 - 符号检验
需要比Wilcoxon更多的数据集进行测试(好像感觉这个没啥用)
多个分类器在不同数据集的比较:
-
F检验/方差分析:
其要求随机变量具有相等的方差,故在机器学习上不具有意义。 -
Friedman检验
1.非参数检验,对算法进行排序,若相等按平均等级分配。
2.p<0.05时和方差分析能力差不多