Cross-validation
为了理解重采样的概念,您应该理解术语拔靴法(Bootstrapping)和交叉验证(Cross-Validation): 拔靴法是一种技术,可以帮助您在很多情况下验证预测模型的性能、集成方法、估计模型的偏差和方差。
k-fold cross-validation
k-折交叉验证(K-fold cross-validation)是指将样本集分为k份,其中 k-1份作为训练数据集,而另外的1份作为验证数据集。用验证集来验 证所得分类器或者回归的错误码率。
Cross Validation
交叉验证(Cross Validation),有的时候也称作循环估计(Rotation Estimation),是一种统计学上将数据样本切割成较小子集的实用方法,该理论是由Seymour Geisser提...
Cross-Validate
交叉验证(Cross-validate):如果选择了该选项,C5.0将使用一组基于训练数据子集建立的模型,来估计基于全部数据建立的模型的精确度.
交叉验证(Cross-validation)主要用于建模应用中,例如PCR、PLS回归建模中。在给定的建模样本中,拿出大部分样本进行建模型,留小部分样本用刚建立的模型进行预报,并求这小部分样本的预报误差,记录它们的平方加和。