我在这个论坛上看到过其他帖子，但没有找到任何令人信服的答案。
随机森林设计有另一种通过OOB调整超参数的方法。OOB 和 CV 不一样，OOB 误差是根据 Forest 中的部分树木而不是完整 Forest 计算的。
那么使用 OOB 而不是 CV 的优缺点是什么？
通过使用 OOB 来训练更多数据是否正确？
哪个更好：袋外 (OOB) 或交叉验证 (CV) 误差估计？
数据挖掘
随机森林
交叉验证
采样
超参数
2021-10-03 04:12:51
1个回答
OOB 样本是获得随机森林误差估计的一种非常有效的方法。从计算的角度来看，OOB 绝对比 CV 更受欢迎。
此外，它认为如果引导样本的数量足够大，CV 和 OOB 样本将产生相同（或非常相似）的误差估计。因此，如果您执行许多引导样本，我建议您在 OOB 样本的过程中执行交叉验证，直到 OOB 错误收敛。