我不知道这是否可以作为评论或答案。我放在这里是因为它感觉像是一个答案。

在 k 折交叉验证中，您将数据划分为 k 个组。如果您甚至涵盖“基础知识”，那么您将统一随机选择每个 k 个 bin 的成员。

当我谈到数据时，我将每一行视为一个样本，将每一列视为一个维度。我习惯于使用各种方法来确定变量重要性、列重要性。

如果你，作为一个思考练习，脱离“教科书”统一随机，并确定哪些行是重要的？也许他们一次只通知一个变量，但也许他们通知更多。是否有一些行不如其他行重要？也许很多观点都是有用的，也许很少。

知道变量的重要性，也许您可​​以按重要性对它们进行分类。也许你可以用最重要的样本制作一个箱子。这可以定义你的“k”的大小。通过这种方式，您将确定“信息量最大的”第 k 个存储桶并将其与其他存储桶以及信息最少的存储桶进行比较。

这可以让您了解模型参数的最大变化。它只是一种形式。

分割第 k 个桶的第二种方法是通过影响的大小和方向。因此，您可以将一个或多个参数在一个方向上摇摆的样本放入一个桶中，并将相同参数或多个参数在相反方向上摇摆的样本放入另一个桶中。

这种形式的参数变化可能会对变量进行更广泛的扫描，而不是基于信息密度，而是基于信息品种。

祝你好运。

这可能不是一个完整的答案，但如果 0 不在 95% CI 的几个差异中，那么可以肯定地说它们在 0.05 的水平上并不相同。