主要做的是深度学习领域的。我在文中对比了不同模型在同一数据集上的成功率,这每个模型都只有一个百分比数据。然后审稿人提意见说做统计学检验,看看是否有统计学差异。我之前只简单接触过t检验,但是这个每一个模型只有一个数值,我应该做什么检验啊? 返回小木虫查看更多
### 统计学检验 ### # TP1:模型一的真正例数量 # TN1:模型一的真反例数量 # FP1:模型一的假正例数量 # FN1:模型一的假反例数量 # TP2:模型二的真正例数量 # TN2:模型二的真反例数量 # FP2:模型二的假正例数量 # FN2:模型二的假反例数量 x <- c(TN1,TN2); n <- c(TN1+FP1, TN2+FP2) # 特异度 prop.test(x,n, correct = T)$p.value x <- c(TP1,TP2); n <- c(TP1+FN1, TP2+FN2) # 敏感度 prop.test(x,n, correct = T)$p.value x <- c(TP1+TN1,TP2+TN2); n <- c(TP1+TN1+FP1+FN1, TP2+TN2+FP2+FN2) # 准确率 prop.test(x,n, correct = T)$p.value ### 置信区间求解 ### dat <- as.table(matrix(c(TN1, FN1, FP1, TN1), nrow = 2, byrow = TRUE)) epi.tests(dat),
但是我的成功率数值算的相当于频数占比?所以其实相当于非数值型?
### 统计学检验 ###
# TP1:模型一的真正例数量
# TN1:模型一的真反例数量
# FP1:模型一的假正例数量
# FN1:模型一的假反例数量
# TP2:模型二的真正例数量
# TN2:模型二的真反例数量
# FP2:模型二的假正例数量
# FN2:模型二的假反例数量
x <- c(TN1,TN2); n <- c(TN1+FP1, TN2+FP2) # 特异度
prop.test(x,n, correct = T)$p.value
x <- c(TP1,TP2); n <- c(TP1+FN1, TP2+FN2) # 敏感度
prop.test(x,n, correct = T)$p.value
x <- c(TP1+TN1,TP2+TN2); n <- c(TP1+TN1+FP1+FN1, TP2+TN2+FP2+FN2) # 准确率
prop.test(x,n, correct = T)$p.value
### 置信区间求解 ###
dat <- as.table(matrix(c(TN1, FN1, FP1, TN1), nrow = 2, byrow = TRUE))
epi.tests(dat),