n**h
发帖数: 237 | |
B****n
发帖数: 11290 | 2 你可以先考慮要用cross validation做什麼 不然的話一大堆統計方法都要用cross
validation.
【在 n**h 的大作中提到】
: 不胜感激！
|
B****n
发帖数: 11290 | 3 你可以先考慮要用cross validation做什麼 不然的話一大堆統計方法都要用cross
validation.
【在 n**h 的大作中提到】
: 不胜感激！
|
R******d
发帖数: 1436 | 4 是不是如果用random forest的话，就不需要额外再做cross validation ？ |
n**h
发帖数: 237 | 5 我是想用cross validation得到较好的regression coefficient estimates来做
forecast的。请推荐点这方面的吧。
多谢！
【在 B****n 的大作中提到】
: 你可以先考慮要用cross validation做什麼 不然的話一大堆統計方法都要用cross
: validation.
|
A*******s
发帖数: 3942 | 6 你的意思是说out of bag error和cross validation error的结果比较接近？或者前者
比后者更接近test error？
【在 R******d 的大作中提到】
: 是不是如果用random forest的话，就不需要额外再做cross validation ？
|
i*******n
发帖数: 227 | 7 bootstrap can also serve... |
R******d
发帖数: 1436 | 8 我个人的理解是这样，random forest用的bootstrap好像更牛逼一点。
不过也问过一小牛，说random forest+cross validation一起用更好。 |
A*******s
发帖数: 3942 | 9 correct me if i were wrong:
I think bootstrapping and cross validation have different purposes in random forest.
bootstrap: make each individual tree more independent from others, and
therefore increase the stability/decrease the variance of the whole forest;
cross validation: used to estimate generalization error and then for
evaluating different models.
In conclusion, one for model building, the other for model evaluation/validation.
【在 R******d 的大作中提到】
: 我个人的理解是这样，random forest用的bootstrap好像更牛逼一点。
: 不过也问过一小牛，说random forest+cross validation一起用更好。
|
A*******s
发帖数: 3942 | 10 when doing bootstrapping, you are also computing out-of-bag errors. I guess
that's why you compare bootstrapping with cross validation.
random forest.
validation.
【在 A*******s 的大作中提到】
: correct me if i were wrong:
: I think bootstrapping and cross validation have different purposes in random forest.
: bootstrap: make each individual tree more independent from others, and
: therefore increase the stability/decrease the variance of the whole forest;
: cross validation: used to estimate generalization error and then for
: evaluating different models.
: In conclusion, one for model building, the other for model evaluation/validation.
|
