改变的时刻：通过贝叶斯分析比较多个分类器的教程
阿莱西奥·本纳沃利（Alessio Benavoli）、乔治·科拉尼（Giorgio Corani）、珍妮斯·德姆沙尔（Janez Demšar）、马尔科·扎法隆（Marco Zafalon）; 18(77):1−36, 2017.
摘要
机器学习社区采用了零假设显著性检验（NHST），以确保结果的统计有效性。然而，许多科学领域认识到了频率推理的缺点，在最极端的情况下甚至禁止在出版物中使用频率推理。我们也应该这样做：正如我们在开发新的机器学习方法时采用了贝叶斯范式一样，我们也应该在分析自己的结果时使用它。我们主张通过揭露NHST的谬误而放弃NHST，更重要的是，为NHST提供更好、更合理、更有用的替代方案。
[腹肌]
[pdf格式][围兜]
