On the bias and variability of bootstrap and cross-validation estimates of error rate in discrimination problems
判别问题中 bootstrap 与交叉验证误差率估计的偏差和变异性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：摘要研究一般判别任务的误差评估，未涉及宏观预测或金融收益预测等所列方向。
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
判别问题中 bootstrap 与交叉验证误差率估计的偏差和变异性
- 研究问题
- 在判别问题中，bootstrap 与交叉验证对总体误差率的估计为何具有不同偏差和变异性，这些差异何时尤其明显？
- 方法与思路
- 作者使用局部备择模型分析两类误差率估计，重点考察总体彼此接近时偏差与变异性的相对表现。
- 材料陈述的贡献
- 摘要称主要差异在总体接近时出现；在该情境下，bootstrap 的变异性较小，但偏差比交叉验证高一个数量级。
- 阅读关注点
- 应核对局部备择如何构造、判别规则与误差率目标如何定义，以及偏差数量级的比较对应何种渐近设定。
- 阅读边界
- 仅据版本未注明的索引摘要，不能把特定局部模型中的偏差比较解释为所有分类任务的固定倍数或普遍性能排序。
原文摘要
Simulation studies have shown that bootstrap and cross-validation estimators of aggregate error rate in discrimination problems have different properties, the former having less variability but greater bias. We show by use of a local alternative model that the main differences in bias and variability emerge only when the populations are close. In this context the bootstrap method has less variability but an order of magnitude greater bias than cross-validation.