设计实验中的交叉验证方法研究
应用统计
2025-06-18 v1 机器学习
摘要
交叉验证（CV）是调优机器学习方法的常用方法，可用于回归中的模型选择。由于小型传统实验设计的结构性质，文献已警告在其分析中避免使用 CV。机器学习的使用量激增，以及因此在设计实验分析中使用 CV，促使我们经验性地研究 CV 在设计实验中的有效性，以及其他模型选择方法（包括小 bootstrap）的比较效果。我们考虑响应面情境，其中预测为首要关注点，以及筛选情境，其中因子选择最为重要。总体而言，我们提供证据表明，在分析小型结构化实验时，留一交叉验证（LOOCV）通常是有用的。更一般的 折 CV 也可能具有竞争力，但其性能不均。
引用
@article{arxiv.2506.14593,
title = {The use of cross validation in the analysis of designed experiments},
author = {Maria L. Weese and Byran J. Smucker and David J. Edwards},
journal= {arXiv preprint arXiv:2506.14593},
year = {2025}
}