牟唯嫣¹，王春玲¹，赵昕²

1. 北京建筑大学 理学院,北京 100044;2. 北京工商大学 嘉华学院,北京 101118

出版日期:2020-02-25发布日期:2020-05-29

A Space Filling-Based Cross-Validation Method and Its Applications

MU Weiyan¹ ,WANG Chunling¹, ZHAO Xin²

1. School of Science, Beijing University of Civil Engineering and Architecture, Beijing 100044; 2. Canvard College, Beijing Technology and Business University, Beijing 101118

Online:2020-02-25Published:2020-05-29







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

在统计学与机器学习中, 交叉验证被广泛应用于 评估模型的好坏. 但交叉验证法的表现一般不稳定, 因此评 估时通常需要进行多次交叉验证并通过求均值以提高交叉验证 算法的稳定性. 文章提出了一种基于空间填充准则改进的$ k $ 折交叉验证方法, 它的思想是每一次划分的训练集和测试集均具有较好的均匀性. 模拟结果表明, 文章所提方法在五种分类模型($ k $近邻,决策树,随机森林,支持向量机和 Adaboost)上对预测精度的估计均比普通$ k $折交叉验证的高. 将所提方法应用于骨质疏松实际数据分析中, 根据对预测精度的估计选择了最优的模型进行骨质疏松患者的分类预测.

分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13825