期刊文献+

比较基于留一法和bootstrap留一法得到的估计误差的近似密度函数曲线 被引量:1

下载PDF
导出
摘要 模型评估在统计学习中占有重要的位置.数据集相对较小时,交叉核实(CV)是一种应用较广而且有效的方法,该方法的平均性能优于任何一种单一方法的使用.目前很多研究都比较了基于CV的不同变体得到的预估误差的性能.本文中,我们首先根据数据集建立线性回归模型和二元线性回归模型;然后从误差率和估计误差的近似密度函数曲线两个方面来比较留一的交叉核实(LOOCV)和bootstrap的LOOCV;最后通过模拟给出结论.
作者 刘冬
出处 《赤峰学院学报(自然科学版)》 2011年第12期10-11,共2页 Journal of Chifeng University(Natural Science Edition)
  • 相关文献

参考文献7

  • 1董琳,邱泉,于晓峰,吴韶群,孙立骏.数据挖掘实用机器学习技术[M].机械工业出版社,2005.98-104.
  • 2Giancarlo Diana, Chiara Tommasi. 2002, Cross-Valida-tion methods in principal component analysis: a compar-ison[J]. Statistical Methods & Application, Ms-Mr.26.
  • 3Andrew W. Moore, Mary S Algorithms for Minimizing Lee.1994 (11). Efficient Cross Validation Error [J] Proceedings of llth International Conference on Ma-chine Learning. San Francisco: Morgan Kaufinann.
  • 4Simone Borra, Agostino Di Ciacco. 2010 (54).Measuring the prediction error. A comparison of cross-validation, bootstrap and covariance penalty methods [J]. Computa-tion Statistics and Data Analysis. 2976-2989.
  • 5Ji-Hyum Kim.2009 (53). Estimating classification error rate: Repeated cross-validation, repeated hold-out boot-strap[J]. 3735-3745.
  • 6曾华军,张银奎,等译.机器学习[M].机械工业出版社,2003.108-109.
  • 7Richard Sutton. 1993 (13). Method by Cross-Validation[J] 143. Selecting a Classification Machine Learning. 135-143.

同被引文献9

引证文献1

二级引证文献5

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部