用于模型选择的交叉验证：以生态学为例的入门综述

生态学中对模型选择原理用于统计推断的日益广泛应用，以信息准则（IC）和交叉验证（CV）技术为基础。尽管诸如赤池信息准则之类的 IC 技术在生态学史上更为流行，CV 是一种通用且日益使用的替代方法。CV 利用数据分割基于（样本外）预测性能估计模型得分，即便在无法推导似然（例如机器学习）或无法精确计数参数（例如混合效应模型和惩罚回归）时也可使用。在此我们提供一份理解并在生态学中应用 CV 的入门综述。我们回顾了常用的 CV 变体，包括近似方法，并根据统计背景对其使用提出建议。我们解释了 CV 一些重要但常被忽视的技术方面，如偏差校正、估计不确定性、得分选择与简约选择规则。我们也澄清了关于 CV 使用障碍（包括计算成本与实现简便性）的误解（与事实），并阐明了 CV 与信息论模型选择方法之间的关系。本文包含两个生态学案例研究以说明这些技术的应用。我们得出结论：基于 CV 的模型选择应广泛应用于生态学分析，因其具有稳健的估计性质及广泛的适用情形。特别地，我们推荐使用留一法（LOO）或近似 LOO CV 以最小化偏差，否则若 K<10 则使用带偏差校正的 K 折 CV。为缓解过拟合，我们推荐通过修正单标准误规则进行校准选择，该规则考虑了过拟合的主要成因：得分估计不确定性。