The Predictive Sample Reuse Method with Applications
预测中的样本重复利用方法及其应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要虽讨论预测，但未指定宏观变量、金融收益或时间序列，分类证据不足。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
预测中的样本重复利用方法及其应用
- 研究问题
- 在结构约束较少、希望尽量减少假设的数据问题中，如何利用已有样本开展预测并展示方法的适用性？
- 方法与思路
- 作者介绍一种基于样本重复利用的预测方法，并通过一系列应用展示其使用方式；摘要未说明具体操作步骤。
- 材料陈述的贡献
- 摘要将该方法定位于低结构、少假设的数据情境，并提供应用展示；未明确陈述预测误差或相对优势。
- 阅读关注点
- 应核对样本如何重复利用、预测目标和评价标准，以及应用是否提供独立的预测性能验证与方法比较。
- 阅读边界
- 仅据所给 OpenAlex 摘要，稿件版本未注明；不能将方法直接等同于某种交叉验证，也无法判断其误差保证或应用表现。
原文摘要
An account is given of a recently devised method of prediction based on sample reuse techniques. It is most useful in low structure data paradigms that involve minimal assumptions. A series of applications demonstrating the technique is presented.