Gördüğüm kadarıyla, bu konuda görüşler farklı. En iyi uygulama, çapraz doğrulamayı kullanmayı dikte eder (özellikle RF'leri aynı veri kümesindeki diğer algoritmalarla karşılaştırırsanız). Öte yandan, orijinal kaynak, model eğitimi sırasında OOB hatasının hesaplandığının test seti performansının bir göstergesinin yeterli olduğunu belirtir. Trevor Hastie bile, nispeten yakın tarihli bir görüşmede "Rastgele Ormanlar ücretsiz çapraz doğrulama sağlıyor" diyor. Sezgisel olarak, eğer bir veri seti üzerinde bir RF tabanlı modeli eğitiyor ve geliştirmeye çalışıyorsam, bu bana mantıklı geliyor.
Bu konudaki fikriniz nedir?