Elysia Tools

Durchsuche Tools, Beispiele, visuelle Erklärungen und Themenguides an einem klaren Ort.

Beliebte Kategorien

Themen

Idioma
ZHDERUPTENFRES

Elysia Tools

Navegación

Data Analysis

Nemenyi Critical-Difference- & Friedman-Rang-Plotter

· Última actualización:2026-08-26

Friedman- und Iman-Davenport-Tests mit exakten p-Werten, Durchschnittsränge, die Nemenyi-kritische Differenz und das klassische CD-Diagramm mit Cliquen — plus optionales Bonferroni-Dunn-Overlay gegen ein Kontrollmodell.

Ejecución

Ejecutar esta herramienta

Completa el formulario, ejecuta la herramienta y revisa el resultado en un solo lugar.

Ejemplos

Ejemplos que encajan con esta herramienta

Relacionado

Continuar con herramientas y temas relacionados

Escrito por el equipo de Elysia Tools

Leitfaden zur Tool-Nutzung

Conoce cuándo usar esta herramienta, qué admite y cómo la aplican los usuarios.

Wichtige Fakten

Categoría
Data Analysis
Tipos de entrada
textarea, select, text
Tipo de salida
html
Cobertura de ejemplos
4
API disponible
Sí

Überblick

Der Nemenyi Critical-Difference- & Friedman-Rang-Plotter führt statistische Modellvergleiche über mehrere Datensätze nach dem Demšar-Standard durch, berechnet Friedman- und Iman-Davenport-Tests und visualisiert signifikante Leistungsunterschiede in einem klassischen Critical-Difference-Diagramm (CD-Diagramm).

Wann verwenden

  • Wenn mehrere Machine-Learning-Modelle oder Algorithmen über mehrere Benchmark-Datensätze hinweg statistisch robust verglichen werden sollen.
  • Wenn geprüft werden muss, ob Unterschiede zwischen Modellen nach dem Friedman- oder Iman-Davenport-Test statistisch signifikant sind.
  • Wenn ein publizierbares CD-Diagramm mit Nemenyi-Cliquen oder einem Bonferroni-Dunn-Vergleich gegen ein Kontrollmodell benötigt wird.

So funktioniert es

  1. 1Geben Sie die Leistungsmatrix als CSV- oder Tabellendaten mit Datensätzen in den Zeilen und Modellnamen in den Spalten ein.
  2. 2Wählen Sie die Metrik-Richtung ('Höher ist besser' für z. B. Accuracy/AUC oder 'Niedriger ist besser' für Fehler/RMSE), das Signifikanzniveau α sowie das Post-hoc-Verfahren (Nemenyi oder Bonferroni-Dunn).
  3. 3Das Tool berechnet die Durchschnittsränge, führt den Friedman- sowie den Iman-Davenport-Test durch und ermittelt die kritische Differenz (CD).
  4. 4Sie erhalten eine Rangtabelle, Signifikanzwerte und ein interaktives HTML-CD-Diagramm, das homogene Cliquen verbindet.

Anwendungsfälle

  • Vergleich von Klassifikationsalgorithmen (z. B. XGBoost, Random Forest, SVM) über mehrere Benchmark-Datensätze anhand von Accuracy oder F1-Score.
  • Evaluation von Regressionsmodellen anhand von RMSE oder MAE mit automatischer Anpassung der Ranking-Richtung.
  • Benchmark-Validierung in wissenschaftlichen Publikationen mit Bonferroni-Dunn-Test gegen ein etabliertes Basismodell.

Beispiele

1. Vergleich von vier Klassifikatoren über Benchmark-Datensätze

Data Scientist

Hintergrund

Für ein Forschungspapier werden vier Klassifikationsmodelle auf 12 verschiedenen Datensätzen evaluiert.

Aufgabe

Es muss statistisch nachgewiesen werden, ob AdaBoost signifikant besser abschneidet als SVM, kNN und C4.5.

Verwendung

Fügen Sie die Genauigkeitsmatrix ein, wählen Sie 'Höher ist besser (Accuracy, AUC)', α = 0.05 und das Post-hoc-Verfahren 'Nemenyi (alle Paare)'.

Metrik-Richtung: higher
Signifikanzniveau α: 0.05
Post-hoc-Verfahren: nemenyi

Ergebnis

Das Tool gibt Friedman- und Iman-Davenport-p-Werte aus, berechnet die kritische Differenz von 0.957 und erzeugt das CD-Diagramm mit einer SVM-kNN-Clique.

2. Baseline-Vergleich von Regressionsmodellen mit Fehlerwerten

ML Engineer

Hintergrund

Ein Team testet zwei neue Modellvarianten gegen die bestehende Produktions-Baseline auf acht Testdatensätzen.

Aufgabe

Prüfen, ob ChallengerA oder ChallengerB den RMSE der Baseline statistisch signifikant senken.

FAQ

Was zeigt das Critical-Difference-Diagramm (CD-Diagramm)?

Es visualisiert die Durchschnittsränge aller Modelle auf einer Achse und verbindet Algorithmen ohne statistisch signifikanten Unterschied mit horizontalen Cliquen-Linien.

Wann sollte Bonferroni-Dunn statt Nemenyi gewählt werden?

Bonferroni-Dunn eignet sich, wenn ein festes Kontrollmodell (Baseline) mit mehreren Herausforderern verglichen wird, statt alle Paare untereinander zu testen.

Wie wirkt sich die Einstellung 'Metrik-Richtung' auf die Ränge aus?

Bei 'Höher ist besser' erhält der höchste Score Rang 1, bei 'Niedriger ist besser' (z. B. RMSE) erhält der niedrigste Wert Rang 1.

Was unterscheidet den Iman-Davenport- vom Friedman-Test?

Der Iman-Davenport-Test ist eine F-Verteilungs-Korrektur des Friedman-Chi-Quadrat-Tests, die bei typischen Benchmark-Größen weniger konservativ ist.

Welches Datenformat wird für die Matrix erwartet?

Ein kommagetrennter Textblock, bei dem die erste Spalte den Datensatznamen enthält und die weiteren Spalten die jeweiligen Modellbewertungen darstellen.

Start
Werkzeuge3212
Beispiele593
Visualisierungen471
Dateibetrachter103
Themen239
Schlagwörter333
Bilder, Audio & Video657

Werkzeuge für Bild-, Audio- und Videobearbeitung, Konvertierung und Optimierung

Mathe, Datum & Finanzen647

Rechner, Zahlenwerkzeuge, Datumslogik, Statistik und Finanztools

Design & Farbe298

Werkzeuge für Farben, Layouts, Grafiken, visuelle Gestaltung und Designhilfen

Text & Schreiben209

Werkzeuge für Schreiben, Bereinigung, Formatierung, Extraktion und Textanalyse

Entwicklung & Web193

Entwicklerwerkzeuge, Netzwerk-Utilities, Web-Debugging und Automatisierungshelfer

Konvertierung & Kodierung175

Werkzeuge für Format-, Datei-, Archiv-, Einheiten- und Kodierungskonvertierung

Lead-Quiz veröffentlichen und Kontakte sicher übergeben
Gedenktexte: Familienprüfung und Übergabe zum Druck
Private Gewohnheiten: Sicherung, Wiederherstellung und Freigabeprüfung
Vom Artikel zu X- und LinkedIn-Entwürfen: Faktenprüfung und Übergabe
Interaktive Markdown-Lektion prüfen und offline übergeben

© 2026 Elysia Tools. Alle Rechte vorbehalten.

DokumentationTarifeÜber unsNutzungsbedingungenDatenschutzerklärungCookiesKontakt
Python

Web Python Bildverarbeitung Beispiele

Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung

Java

Android Java Bildverarbeitungsbeispiele

Android Java Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung

Kotlin

Android Kotlin Bildverarbeitungsbeispiele

Android Kotlin Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung

Rust

Web Rust Bildverarbeitungsbeispiele

Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung

Data Analysis

Kurtosis-Analysator

Daten-Kurtosis analysieren, um die "Schwanzigkeit" der Verteilung zu messen und schwanz- oder leichte Schwanzmuster zu erkennen

Data Analysis

Korrelationsanalyse

Fortschrittetes Korrelationsanalyse-Werkzeug zur Berechnung von Korrelationskoeffizienten zwischen Variablen zur Messung der Stärke und Richtung ihrer linearen Beziehungen.

Data Analysis

Pivot-Tabellen Generator

Interaktive Pivot-Tabellen aus CSV/JSON-Daten generieren mit anpassbarer Konfiguration von Zeilen-, Spalten- und Wertfeldern

Data Analysis

Regressionsanalyse

Fortschrittetes Regressionsanalyse-Werkzeug für lineare Regressionsanalyse, Berechnung von Regressionsstatistiken und Vorhersagen.

Verwendung

Geben Sie die RMSE-Tabelle ein, setzen Sie die Metrik-Richtung auf 'Niedriger ist besser', wählen Sie 'Bonferroni-Dunn (gegen Kontrolle)' und tragen Sie 'Baseline' als Kontrollmodell ein.

Metrik-Richtung: lower
Signifikanzniveau α: 0.05
Post-hoc-Verfahren: bonferroni-dunn
Kontrollmodell: Baseline

Ergebnis

Die Ränge werden invertiert sortiert, und das Bonferroni-Dunn-Diagramm bestätigt, dass beide Challenger-Modelle die Baseline signifikant übertreffen.