基于交叉验证的集成学习误差分析

作者：路佳佳^*

来源：计算机系统应用, 2023, 32(01): 302-309.

DOI：10.15888/j.cnki.csa.008898

• k折交叉验证
• 组块3×2交叉验证
• 集成学习
• 回归算法
• 模拟实验
• 预测模型

目前关于集成学习的泛化性能的研究已取得很大成功,但是关于集成学习的误差分析还需要进一步研究.考虑交叉验证在统计机器学习中对于模型性能评估有重要应用,为此,应用组块3×2交叉验证和k折交叉验证方法为每个样本点进行赋予权重的预测值的集成,并进行误差分析.在模拟数据和真实数据上进行实验,结果表明基于组块3×2交叉验证的集成学习预测误差小于单个学习器的预测误差,并且集成学习的方差比单个学习器方差小.与基于k折交叉验证的集成学习方法相比,基于组块3×2交叉验证的泛化误差小于基于k折交叉验证的泛化误差,说明基于组块3×2交叉验证的集成学习模型稳定性好.

• 单位
  山西工商学院