当我们使用10倍交叉验证时，我们是否需要进行重要测试？

Question

通常为了表明我们的结果不是偶然的，我们使用像t检验这样的重要测试。但是当我们使用10倍交叉验证时，我们会学习并测试我们的模态而不是数据集块。我想知道当我们使用10倍交叉验证时，我们是否需要进行t检验？更确切地说，我的意思是何时应该使用10倍交叉验证？

Answer 1

当应用于两个正态分布变量的差异时，t检验是一个参数检验，用于估计我们对两个变量具有不同预期的事实的置信度。

10倍交叉验证是一种重采样技术，当我们不知道统计数据的分布时，它可用于估计统计数据中的置信度（例如，但不仅仅是两个随机变量之间的差异）提前（非参数设置）。

通过交叉验证，你不会变得很好并且它很重要＆＃39;结果，你简单地得到了统计数据的估计分布，其中方差是我们可以拥有的信心的指标。

在构建非参数回归或分类模型时，model selection经常使用交叉验证。

Answer 2

T-test是对您的数据进行的一种统计测试。假设您正在比较两个数据集，并且您想知道这两个数据集是否彼此显着不同。然后你会做一个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会过度拟合。在构建模型时执行此操作以确保您拥有能够推广到未来数据的模型。这里没有使用任何类型的统计测试。 我希望这有助于你的怀疑。