Cross-Validation of Regression Models
回归模型的交叉验证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：摘要只涉及一般回归预测评估，未说明宏观预测或金融收益预测对象，因此不选择相应领域。
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
回归模型的交叉验证
- 研究问题
- 如何评估回归模型的预测能力，尤其是经过变量子集选择后、难以用常规技术准确评价的模型预测表现？
- 方法与思路
- 作者提出用交叉验证评价回归预测能力的方法，重点处理子集选择产生的模型，并通过示例展示评估结果的使用。
- 材料陈述的贡献
- 摘要明确提供针对回归模型预测能力的交叉验证评价思路，并强调其用于子集选择模型；没有给出具体性能提升结论。
- 阅读关注点
- 应核对训练与验证如何划分、变量选择是否在验证流程中重新进行，以及预测误差指标、样本适用条件和示例设置。
- 阅读边界
- 材料仅为 OpenAlex 所载简短摘要，版本未注明；验证方案、数据与误差结果均未说明，不能推断具体算法、性能优势或刊本变化。
原文摘要
A methodolgy for assessment of the predictive ability of regression models is presented. Attention is given to models obtained via subset selection procedures, which are extremely difficult to evaluate by standard techniques. Cross-validatory assessments of predictive ability are obtained and their use illustrated in examples.