我必须完成我的毕业设计项目，我正面临着有关统计测试的问题。
这是我的问题：
假设我必须通过神经网络将一个图像分类5次（5次迭代），每次它给我这些结果：
Iteration 1 : class1: 0.0, class2: 0.5, class3: 0.5, class4: 0.0 >> The total is ONE.
Iteration 2 : class1: 1.0, class2: 0.0, class3: 0.0, class4: 0.0 >> The total is ONE.
Iteration 3 : class1: 0.5, class2: 0.5, class3: 0.0, class4: 0.0 >> The total is ONE.
Iteration 4 : class1: 0.0, class2: 1.0, class3: 0.0, class4: 0.0 >> The total is ONE.
Iteration 5 : class1: 0.0, class2: 0.0, class3: 1.0, class4: 0.0 >> The total is ONE.
我需要进行统计测试，以了解哪个CLASS与其他类有显着差异。
我的四套将是：
1- class1 values from all iterations = (0.0, 1.0, 0.5, 0.0, 0.0)
2- class2 values from all iterations = (0.5, 0.0, 0.5, 1.0, 0.0)
3- class3 values from all iterations = (0.5, 0.0, 0.0, 0.0, 1.0)
4- class4 values from all iterations = (0.0, 0.0, 0.0, 0.0, 0.0)
我想使用＆＃34;单向方差分析＆＃34;然后＆＃34; Tukey的测试＆＃34;完全像这里：http://cleverowl.uk/2015/07/01/using-one-way-anova-and-tukeys-test-to-compare-data-sets/
但问题是我的数据有点依赖。你可以看到每次迭代最多都加1。
例如，在迭代＃1中，0.0 + 0.5 + 0.5 = 1.在迭代＃2中，1.0 + 0.0 + 0.0 = 1，依此类推。
那么，这是我可以在我的情况下使用的最佳统计测试？
谢谢