有了实验评估方法和性能度量，看似就可以比较不同方法的效果了，但是这是不严谨的。

首先我们希望比较的是泛化性能，可能与测试集上的结果不同，这就需要用到统计假设检验，基于假设检验结果我们可推断出，若在测试集上观察到学习器A比B好，则A的泛化性能是否在统计意义上优于B，以及这个结论的把握有多大。

以下介绍两种最基本的假设检验，为便于讨论，本节默认使用错误率为性能度量。

1.假设检验

很多时候要经过多次留出法或者交叉验证法进行多次训练/测试，这样就会有多个测试错误率。

假设得到了k个测试错误率，

1~k，平均错误率和方差可求出

可以使用T-检验方法进行均值检验，检验泛化错误率是否为

0。

2.机器学习实际中为什么不常用假设检验？

(8 封私信 / 28 条消息) 为什么做机器学习的很少使用假设检验？ – 知乎 (zhihu.com)

挺麻烦的好像，大概因为参数空间比传统的都要大。