假设您有两个多元数据集，例如一个旧数据集和一个新数据集，并且它们应该是由相同的过程（您没有模型）生成的，但也许是在收集/创建的某个地方数据，出事了。您不希望将新数据用作旧数据的验证集或添加到旧数据中。

你可以做一堆一维统计数据（每个变量），例如 Wilcoxon 秩和，并尝试一些多重测试校正，但我不确定这是最佳的（捕捉多变量数据的复杂性，更不用说多测试问题了）。一种方法是使用分类器，看看您是否可以区分两个数据集（给定一个最优的分类器）。这似乎确实有效，但仍然 a) 可能有更好的方法 b) 它并不是真的旨在告诉你它为什么不同（如果没有别的，它会使用最好的预测器，并且可能会错过其他被更好的预测器包含的好的预测器）