"Örnek içi" ve "örnek dışı örnek" tahminleri arasındaki fark

Örnek içi tahminler ile sözde örnek dışı tahminler arasında açık bir fark var mı ? Her ikisi de tahmin modellerini değerlendirme ve karşılaştırma bağlamında ifade edilmektedir.

Eğer veri var varsayalım , h ∈ { 1 , 2 , ... } , ve hedef bir model oluşturmaktır (diyelim ki f ( X t - h ) ) tahmin etmek için Y, t verilen X- t - h . Somutluk için, verilerin günlük olduğunu ve T'nin bugüne karşılık geldiğini varsayalım .$\{Y_t,X_{t-h}\}_{t=h+1}^T$$h \in \{1,2,\ldots\},$$\hat f(X_{t-h})$$Y_t$$X_{t-h}$$T$

Örnek içi analiz , kadar ve T dahil tüm mevcut verileri kullanarak modeli tahmin etmek ve ardından modelin takılmış değerlerini gerçek gerçekleşmelerle karşılaştırmak anlamına gelir. Bununla birlikte, bu prosedürün, modelin öngörme yeteneğinin aşırı iyimser bir resmini çizdiği bilinmektedir, çünkü ortak montaj algoritmaları (örneğin, kare hatası veya olasılık kriterleri kullanarak) büyük tahmin hatalarından kaçınmak için acı çekmeye eğilimlidir ve bu nedenle aşırı sığmaya - yanlış gürültüye karşı hassastır veri sinyali için.$T$

$Y_{T+1}$$e_{T+1} \equiv Y_{T+1} - \hat f(X_{T+1-h}),$$Y_{T+2}$$\{e_{T+l}\}_{l=1}^L$

$T_0 < T$$T$$\{e_t\}_{t=T_0+1}^T$

Bir modelin örnek dışı performansını tahmin etmenin tek yolu örneklem dışı örnek analizinin olmadığını unutmayın. Alternatifler arasında çapraz validasyon ve bilgi kriterleri bulunur.

Tüm bu konular hakkında çok iyi bir tartışma

http://www.stanford.edu/~hastie/local.ftp/Springer/OLD/ESLII_print4.pdf