我正在使用“R 中的应用程序统计学习简介”一书，并阅读了有关使用 OOB 估计随机森林的模型误差的部分。该图似乎表明 OOB 错误将比测试集错误低很多。但是我找不到任何理由。据我所知，它应该等于测试错误。为什么这两个错误不同？
OOB（Out Of Bag）错误应该小于随机森林中的测试集错误吗？
机器算法验证
交叉验证
随机森林
大车
准确性
2022-03-22 02:25:14
1个回答
据我所知，没有。
在这个情节中还有更多奇怪的事情，例如为什么 bagging 在 OOB 错误方面优于随机森林？如果没有关于数据的更多信息，例如在训练和测试中使用了多少样本，就很难解释观察到的情况？培训和测试是如何进行的？
如果模型仅在一小部分样本上进行训练和测试，则观察到的错误率差异可能并不显着。此外，如果问题具有相当陡峭的学习曲线，并且通过保留部分数据进行测试，同时对整个数据集进行 OOB 误差估计，则可能是欠拟合的另一种解释。
其它你可能感兴趣的问题