当我们使用10倍交叉验证时，我们需要进行重要的测试吗？
当我们使用10倍交叉验证时，我们需要进行重要的测试吗？
提问于 2015-06-05 13:02:34
通常是为了表明我们的结果不是偶然的，我们使用显着性检验，就像t-检验。但是当我们使用10倍交叉验证时，我们会在数据集块上学习和测试我们的模型。我在想，当我们使用了10倍交叉验证时，是否需要进行t检验？更准确地说，我的意思是什么时候我们应该使用10倍交叉验证？
回答 2
Stack Overflow用户
回答已采纳
发布于 2015-06-06 05:10:34
T检验是对你的数据进行的一种统计测试.假设您正在比较两个数据集，您想知道这两个数据集之间是否存在显著差异。那你就做个t检验。
交叉验证更像是一种评估模型的技术。通常用于确保您的模型不是overfitting.You，同时构建模型以确保您有一个能够推广到未来数据的模型。这里没有使用任何统计测试。我希望这能帮助你的怀疑。
Stack Overflow用户
发布于 2015-06-05 14:37:27
T检验，当应用于两个正态分布变量的差异时，是一种参数检验，它估计我们对这两个变量具有不同期望这一事实的可信度。
10倍交叉验证是一种重采样技术，当我们事先不知道统计量的分布(非参数设置)时，可以用来估计我们对统计数据的置信度(例如，但不仅仅是两个随机变量之间的差异)。
通过交叉验证，你不会得到很好的‘这是显着的’结果，你简单的有一个统计估计的分布，其中的方差是我们可以有信心的指标。
交叉验证在模型选择建立非参数回归或分类模型时经常使用.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/30667253
复制相关文章
相似问题
腾讯云开发者
