基于交叉验证的质量度量模型评估的鲁棒性研究

本文研究了用于评估机器学习模型质量的度量准确性和鲁棒性。机器学习模型的预测质量基于交叉验证方法进行评估，其中对未知数据的近似误差进行估计。所提出的度量量化了模型预测中解释变异的程度。通过几个数值示例来评估这些度量的可靠性，其中提供了用于验证估计预测误差的额外数据集。此外，估计所提出质量度量的置信区间，并从交叉验证方法获得的预测残差中推导出局部质量度量。