文献类型：期刊文章

作　　者：杨柳[1] 王钰[2]

机构地区：[1]山西财经大学应用数学学院,太原030031 [2]山西大学计算机中心,太原030006

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(11171169);山西省科技基础条件平台建设项目(2013091003-0101)

年　　份：2015

卷　　号：32

期　　号：5

起止页码：1287-1290

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：在机器学习中,泛化误差(预测误差)是用于算法性能度量最常用的指标,然而由于数据的分布未知,泛化误差不能被直接计算,实际中常常通过各种形式的交叉验证方法来估计泛化误差。详细地分析了泛化误差的各交叉验证估计方法的优缺点,对照了各种方法之间的差异,提出和分析了各方法中有待进一步研究的问题和方向。

关 键 词：机器学习  泛化误差 交叉验证  偏差  方差  

分 类 号：TP181]