On the Bias and Variability of Bootstrap and Cross-Validation Estimates of Error Rate in Discrimination Problems
判别问题中bootstrap与交叉验证误判率估计的偏差和变异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：摘要研究一般统计判别误差评估，没有宏观预测、收益预测或离散选择模型的直接依据。
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与交叉验证误判率估计的偏差和变异
- 研究问题
- 为什么bootstrap与交叉验证在总体误判率估计上呈现不同偏差和变异，这些差异是否主要发生在总体分布接近时？
- 方法与思路
- 作者采用局部备择模型分析判别问题中的误判率估计，比较bootstrap与交叉验证的偏差和变异随总体接近程度的变化。
- 材料陈述的贡献
- 摘要称主要差异出现在总体接近时；在该背景下，bootstrap变异较小，但偏差比交叉验证高出一个数量级。
- 阅读关注点
- 应核对局部备择的构造、总体接近的渐近含义、所比较误判率估计的定义，以及偏差阶与变异阶的具体结论。
- 阅读边界
- 依据OpenAlex索引摘要，稿件版本未注明；摘要未说明分类规则或局部模型条件，不能把偏差数量级结论推广到所有分类问题。
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.