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$\epsilon$ϵ的学习器被测得测试错误率为$\hat{\epsilon}$ϵ^的概率是：
$P(\hat{\epsilon} ; \epsilon)=\left(\begin{array}{c} {m} \\ {\hat{c} \times m} \end{array}\right) \epsilon^{\hat{e} \times m}(1-\epsilon)^{m-\hat{e} \times m}$P(ϵ^;ϵ)=(mc^×m​)ϵe^×m(1−ϵ)m−e^×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，$\hat{\epsilon1}、\hat{\epsilon2}、\hat{\epsilon3}…\hat{\epsilon}k$ϵ1^、ϵ2^、ϵ3^…ϵ^k，则平均测试错误率为$\bar{X}$Xˉ和$S^{2}$S2。
$\bar{X}=\frac{1}{k} \sum_{i=1}^{k} \hat{\varepsilon}_{i} \quad, \quad S^{2}=\frac{1}{k-1} \sum_{i=1}^{k}\left(\hat{\varepsilon}_{i}-\bar{X}\right)^{2}$Xˉ=k1​i=1∑k​ε^i​,S2=k−11​i=1∑k​(ε^i​−Xˉ)2
根据中心极限定理可知，
$\frac{(\bar{X}-\varepsilon)}{S / \sqrt{n}} \sim t(\mathrm{n}-1)$S/n​(Xˉ−ε)​∼t(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$\hat{\varepsilon}_{iA} 、 \hat{\varepsilon}_{iB}(i=1,2,,,k)$ε^iA​、ε^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$\hat{\varepsilon}_{iA} = \hat{\varepsilon}_{iB}$ε^iA​=ε^iB​。
对每一组测试错误率求差值，$\Delta_{i}=\hat{\varepsilon}_{A}-\hat{\varepsilon}_{B}$Δi​=ε^A​−ε^B​，若两个算法性能相同，则差值均值为零。可根据$\Delta_{1、}\Delta_{2、}... \Delta_{k、}$Δ1、​Δ2、​...Δk、​进行t检验，计算出差值的均值$|\vec{\Delta}|$∣Δ∣和方差$S^2$S2，则：
$\frac{\left|\left(\bar{\Delta}-\left(\varepsilon_{A}-\varepsilon_{B}\right)\right\rangle\right|}{S / \sqrt{\mathrm{k}}} \sim t(\mathrm{k}-1)$S/k​∣∣​(Δˉ−(εA​−εB​)⟩∣∣​​∼t(k−1)
若假设$H_{0}: \varepsilon_{A}=\varepsilon_{B}, H_{1}: \varepsilon_{A} \neq \varepsilon_{B}$H0​:εA​=εB​,H1​:εA​​=εB​，则，满足$\frac{|\bar{\Delta}|}{S / \sqrt{\mathrm{k}}} \leq \mathrm{t}_{\partial / 2}$S/k​∣Δˉ∣​≤t∂/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检验来判断浙西额算法是否性能相同，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${r_i}$ri​表示第i个算法的平均序值，则${r_i}$ri​的均值和方差分别为$(k+1) / 2, \quad(k+1) \quad(k-1) / 12$(k+1)/2,(k+1)(k−1)/12，则有：
$\begin{aligned} \tau_{\chi^{2}} &=\frac{k-1}{k} \cdot \frac{12 N}{k^{2}-1} \sum_{i=1}^{k}\left(r_{i}-\frac{k+1}{2}\right)^{2} \\ &=\frac{12 N}{k(k+1)}\left(\sum_{i=1}^{k} r_{i}^{2}-\frac{k(k+1)^{2}}{4}\right) \end{aligned}$τχ2​​=kk−1​⋅k2−112N​i=1∑k​(ri​−2k+1​)2=k(k+1)12N​(i=1∑k​ri2​−4k(k+1)2​)​
在k和N比较大时，服从*度为k-1的$\chi^{2}$χ2分布。
$\tau_{F}=\frac{(N-1) \tau_{\chi^{2}}}{N(k-1)-\tau_{\chi^{2}}}$τF​=N(k−1)−τχ2​(N−1)τχ2​​
服从*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，则需要进行后续健谈，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$1−α拒绝“两个算法性能本相同”的假设。
$C D=q_{\alpha} \sqrt{\frac{k(k+1)}{6 N}}$CD=qα​6Nk(k+1)​​
qa中常用的联临界值：

链接

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