随机森林中的预测误差估计
机器学习
2024-08-09 v4 机器学习
摘要
本文对分类随机森林的误差估计进行了定量评估。基于Bates等人（2023）建立的理论框架，在各种随机森林常用误差估计方法背景下，对真实误差率与期望误差率进行理论与实证研究。我们表明，在分类情形下，随机森林的预测误差估计平均更接近真实误差率而非平均预测误差。这与Bates等人（2023）针对逻辑回归给出的发现相反。我们进一步表明，该结果在不同误差估计策略（如交叉验证、装袋与数据分割）下均成立。
引用
@article{arxiv.2309.00736,
title = {Prediction Error Estimation in Random Forests},
author = {Ian Krupkin and Johanna Hardin},
journal= {arXiv preprint arXiv:2309.00736},
year = {2024}
}
备注
As we were working on revisions, we found a fatal flaw in the procedure. All of the results are problematic / wrong