# Nemenyi Critical-Difference- & Friedman-Rang-Plotter 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. > Kanonische Seite: https://elysiatools.com/de/tools/nemenyi-critical-difference-friedman-rank-plotter - **Kategorie:** Data Analysis - **Schlagwörter:** nemenyi, friedman-test, kritische differenz, cd-diagramm, demsar, benchmark-vergleich ## 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). ## Eingaben - **Punktmatrix (Kopf: Dataset, Modelle; Zeilen: Scores)** (textarea): dataset, Random Forest, XGBoost, MLP, Logistic dataset-a, 0.91, 0.90, 0.88, 0.84 dataset-b, 0.82, 0.85, 0.80, 0.79 - **Metrik-Richtung** (select) - **Signifikanzniveau α** (select) - **Post-hoc-Verfahren** (select) - **Kontrollmodell (für Bonferroni-Dunn)** (text): exact column name of the baseline model ## 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. ## Funktionsweise - Geben Sie die Leistungsmatrix als CSV- oder Tabellendaten mit Datensätzen in den Zeilen und Modellnamen in den Spalten ein. - Wählen 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). - Das Tool berechnet die Durchschnittsränge, führt den Friedman- sowie den Iman-Davenport-Test durch und ermittelt die kritische Differenz (CD). - Sie 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. ## Häufig gestellte Fragen ### 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. ## Ähnliche Tools - [Kurtosis-Analysator](https://elysiatools.com/de/tools/kurtosis-analyzer): Daten-Kurtosis analysieren, um die "Schwanzigkeit" der Verteilung zu messen und schwanz- oder leichte Schwanzmuster zu erkennen - [Korrelationsanalyse](https://elysiatools.com/de/tools/correlation-analyzer): Fortschrittetes Korrelationsanalyse-Werkzeug zur Berechnung von Korrelationskoeffizienten zwischen Variablen zur Messung der Stärke und Richtung ihrer linearen Beziehungen. - [Pivot-Tabellen Generator](https://elysiatools.com/de/tools/pivot-table-generator): Interaktive Pivot-Tabellen aus CSV/JSON-Daten generieren mit anpassbarer Konfiguration von Zeilen-, Spalten- und Wertfeldern - [Regressionsanalyse](https://elysiatools.com/de/tools/regression-analyzer): Fortschrittetes Regressionsanalyse-Werkzeug für lineare Regressionsanalyse, Berechnung von Regressionsstatistiken und Vorhersagen. - [Schiefe-Analysator](https://elysiatools.com/de/tools/skewness-analyzer): Datenschiefe analysieren, um die Asymmetrie der Wahrscheinlichkeitsverteilung zu messen und Datenmuster zu identifizieren - [KI-Domain-Namen-Generator](https://elysiatools.com/de/tools/ai-domain-name-idea-generator): Gib Marken-Schlüsselwörter ein — die KI erzeugt bis zu 10 Domain-Ideen und filtert bereits vergebene per DNS + RDAP heraus. Für Gründer und Entwickler. - [Auftriebs-Rechner (Archimedes, F = ρ·V·g)](https://elysiatools.com/de/tools/buoyancy-calculator): Berechnet Auftrieb, Fluiddichte oder verdrängtes Volumen aus zwei davon, mit Schwimm-Analyse - [Kohorten-, RFM- und Trichter-Analysator](https://elysiatools.com/de/tools/cohort-retention-rfm-funnel-analyzer): Füge eine Bestell- oder Ereignis-CSV ein und erhalte den Growth-Stack auf einer Seite: Retention-Dreieck mit Heatmap, RFM-Quintilen auf die zehn Standard-Lebenszyklussegmente und ein Trichter in strenger Reihenfolge. ## Beispiele - [Web Python Bildverarbeitung Beispiele](https://elysiatools.com/de/samples/web-image-processing-python): Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung - [Android Java Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/android-image-processing-java): Android Java Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung - [Android Kotlin Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/android-image-processing-kotlin): Android Kotlin Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung - [Web Rust Bildverarbeitungsbeispiele](https://elysiatools.com/de/samples/web-image-processing-rust): Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung