5折交叉验证_模型比较中的留一法交叉验证(Leave-One-Out Cross-Validation)

留一法交叉验证是k折交叉验证的特殊情况,每个数据点都作为测试集使用一次。elppd是评价模型预测性能的重要指标,伪贝叶斯因子(PSBF)通过elppd之差比较模型预测效果,PSBF大于1表明模型1优于模型2。
摘要由CSDN通过智能技术生成

63edc256a5fdfca1f057f0467f6a6e7d.png

留一法交叉验证(Leave-One-Out Cross-Validation,LOO-CV)是贝叶斯模型比较重常见的一种方法。首先,常见的k折交叉验证是非常普遍的一种机器学习方法,即将数据集随机分为k份,其中训练集有(k-1)份,测试集占1份。例如,第一份数据可以用来测试基于剩下(k-1)份数据建立的模型的拟合度,然后将第二份数据作为测试集测试相应训练集的拟合度,以此类推。完成之后每份数据都恰好被用作一次测试集,对这k次测试的拟合度做平均,则可以得出这个模型的拟合度。这样每一个,优势是可以避免过拟合,同时有较好的拟合效果。然而它也存在一些问题,即不同的数据集划分方法会影响对模型的评估,这可能造成潜在的cherry-picking现象。

本文主要介绍留一法交叉验证,它是k折交叉验证的一种特例,因为它可以看做是当k等于样本量n时的n折交叉验证。这意味着每一个数据点都被用来测试,而所有剩下的(n-1)个数据点为相应的测试集(见题图)。

这其中一个比较重要的概念是expected log pointwise predictive density (elppd):

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值