如何使用python获得显着性检验（例如p值）？

Question

因此，我使用gensim为NLP Task构建了自定义分类器。现在，我有两个简单的数组，即测试集（majorityVoteArray）和分类器的预测（similarityArray）。

我可以使用sklearn轻松获得混淆矩阵和准确性报告：

confusion_matrix(majorityVoteArray, similarityArray)

classification_report(majorityVoteArray, similarityArray))

但是，这些都不包含有关我的结果的意义的任何信息。但是，由于这是对大块文本的分类任务，因此我的测试集很小，因此我对此表示怀疑。有没有像上面的函数那样获得显着性检验的简便方法？

如果有帮助，我将获得建立测试集的界面同意分数的结果：

kappa 0.7987223933637878
fleiss 0.7981046559538525
alpha 0.7992465904091509
scotts 0.7978992520897492