赞,写的好详细!

“我觉得可以从bootstrap抽样角度获取更加稳定的估计量,当然这些都是题外话,与本文话题不相符合,以后可以再谈谈抽样与并行算法之间的感想,实际上都会在“计算效率”与“精度”之间做些权衡”

期待下一篇!
[未知用户] 貌似用“留一法”得不到consistent的变量选择。(不知道我读的以下这篇文章是不是这个意思)
Shao, J. (1993). Linear Model Selection by Cross-Validation. JASA, 88 (422): 486-494.
6 天 后
写的很好,但是有些地方还是没搞明白,“2. 模型选择的方法”下的第一段“但是模型选择不涉及算法中的参数,仅涉及模型目标函数中的调整参数α。”,“模型目标函数中的调整参数α”指的是啥?比如针对于线性模型来说,是各个输入变量的系数还是输入变量的个数?
“此时通过调整参数α可以获得不同模型复杂度下的CV值,然后选择最小的CV时所对应的模型f^(x,αcv−min)作为最后的预测模型即可”--此时的参数α指的是啥?比如针对于线性模型
[未知用户] 比如针对于线性模型,如果指的是输入变量的系数,那么不同的训练集得到的模型将是不同的,即10重交叉验证得到10个不同的模型,怎么挑选本轮交叉验证下的最优模型?
[未知用户] 所以,我感到参数应该是输入变量的个数
3 个月 后
学习了,虽然有很多地方不甚了解,但是给了很多思路
10 个月 后
我想知道1.4中,“模型选择是在某个模型类中选择最好的模型,而模型评价对这个最好的模型进行评价。模型评价可以比较多个模型类中的最佳模型,然后从中挑选出最佳模型,亦或者进行模型融合再进行评价。”其中的模型类是怎么划分的呢?
3 年 后