Çapraz geçerliliğin Bayesian, MDL veya ML yorumu?

11

Çapraz geçerliliğin bilinen Bayesian, ML veya MDL yorumları var mı? Çapraz doğrulamayı özel olarak hazırlanmış bir önceden doğru güncellemeyi yapmak olarak yorumlayabilir miyim?

bayesian  cross-validation  maximum-likelihood 
— Arthur B.
kaynak
1
aic temelde birini dışarıda bırakmak cv. bic temelde ardışık cv'dir (bir adım önde tahmin). ne tür bir cv demek istediniz?
— olasılıklar

Yanıtlar:

1

Çapraz doğrulama, riskin tarafsız olarak tahmin edilmesini amaçlamaktadır (Test Hatası veya Tahmin Hatası olarak da bilinir). Kayıp işlevinizin eksi (üretken) günlük olasılığı olması durumunda çapraz doğrulama, modelinizin beklenen günlük olasılığını döndürür. Kayıp fonksiyonunuzun Bayes motivasyonu varsa da aynı şey geçerlidir.

MDL ayrıca riskin tarafsız bir şekilde tahmin edilmesini amaçlamaktadır. Bu nedenle CV'nin hesaplama olarak ne yaptığına analitik bir yaklaşımdır.

İstatistiksel Öğrenmenin Unsurları Bölüm 7.2'ye bakınız .

— JohnRos
kaynak
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.