非抽样误差中登记测量测量误差的估计模型

数据的准确性与可靠性是抽样调查的生命力所在。在实际的抽样工作过程中，人们不仅要控制抽样误差，而且还要控制非抽样误差。本文对登记测量测量误差的影响做出概述，并介绍了两种估计与控制登记测量测量误差的方法。

分类器准确率评估的研究

由于机器学习中过度拟合问题的广泛存在,使得对分类器进行准确率评估显得十分重要。在对现有的两种评估方法—"k-fold交叉验证"和"随机子抽样"进行研究之后,设计出一种新的评估方法,旨在综合已有两种方法的优点,寻找一种更合理的评估方法,并以决策树构造的分类器进行验证。实验结果表明,在训练样本不多的情况下,新的评估方法应用到分类器的训练中,可有效地提高分类器的分类精度。