基于空间填充准则的交叉验证方法及其应用

作者：牟唯嫣; 王春玲; 赵昕

来源：系统科学与数学, 2020, 40(02): 382-388.

• 预测风险
• 最大距离准则
• 机器学习

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.

• 单位
  北京工商大学嘉华学院; 北京建筑大学