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

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.