如何使用python获得显著性测试（例如pvalue）？

Question

所以我使用gensim为NLP任务构建了一个自定义分类器。现在我有两个简单的数组，测试集（majorityVoteArray）和分类器的预测（similarityArray）。在

我可以很容易地使用sklearn获得“获取混淆矩阵”和准确度报告：

confusion_matrix(majorityVoteArray, similarityArray)

classification_report(majorityVoteArray, similarityArray))

然而，这些都没有包含任何关于我的结果的意义的信息。然而，由于这是一个针对大文本的分类任务，我的测试集有点小，所以我相当怀疑。有没有一种像上述函数一样容易进行显著性检验的方法？在

如果有帮助，我有构建测试集的interrater agreement分数的结果：

^{pr2}$