잭나이프 vs. LOOCV


답변:


11

교차 유효성 검사에서는 왼쪽 표본에 대한 통계를 계산합니다. 가장 자주, 당신은 유지 샘플을 기반으로 모델로 남은 샘플을 예측합니다. jackknifing에서는 보관 된 샘플에서만 통계를 계산합니다.


4
나는이 답변이 원래 질문에서 LOOCV에 어떻게 말하는지 이해하지 못합니다. 어떤 의미에서 하나의 왼쪽 관찰 에서 "통계를 계산"할 수 있습니까?
Alexis

12

Jackknife는 종종 두 가지 관련이 있지만 다른 프로세스를 언급하는데,이 두 가지 프로세스는 모두 일대일 휴가 방식에 의존하므로 이러한 혼란을 초래합니다.

한 맥락에서, 잭나이프는 모집단 모수 및 표준 오류를 추정하는 데 사용될 수 있습니다. 예를 들어, 잭나이프 방식을 사용하여 간단한 회귀 모형의 기울기와 절편을 추정하려면 다음을 수행하십시오.

  1. 사용 가능한 모든 데이터를 사용하여 기울기를 추정하고 차단합니다.
  2. 1 개의 관측치를 남기고 기울기와 절편을 추정합니다 (계수의 "부분 추정값"이라고도 함).
  3. 기울기와 "절편의"의사 값 "으로도 알려진"부분 추정치 "와"모든 데이터 "추정치의 차이를 계산합니다.
  4. 전체 데이터 세트에 대해 2 단계와 3 단계를 반복하십시오.
  5. 각 계수에 대한 의사 값의 평균을 계산합니다. 이들은 경사 및 절편의 잭나이프 추정값입니다.

계수의 의사 값과 잭나이프 추정값을 사용하여 표준 오차와 신뢰 구간을 결정할 수도 있습니다. 일반적으로이 방법은 계수에 대한 신뢰 구간이 넓어 지는데, 이는 계수가 더 좋고 보수적이며 불확실성 측정치이기 때문입니다. 또한이 방법을 사용하여 계수에 대한 잭나이프의 바이어스 추정값을 얻을 수도 있습니다.

다른 맥락에서, 잭나이프는 모델 성능을 평가하는 데 사용됩니다. 이 경우 jackknife = 일회성 교차 검증입니다. 둘 다 하나의 관측 값을 교정 데이터 세트에서 제외하고 모델을 재 교정하며 누락 된 관측 값을 예측하는 것을 말합니다. 기본적으로 각 관측 값은 예측 변수의 "부분 추정값"을 사용하여 예측됩니다.

다음은 온라인에서 찾은 jackknife에 대한 멋진 글입니다 : https://www.utdallas.edu/~herve/abdi-Jackknife2010-pretty.pdf


1
내가 잘못 생각하지 않는 한 (그리고 아마도 그럴지도 모른다면) 첫 번째 문맥은 leave-one-out 교차 검증을 설명 합니다.
Alexis

2
LOOOV에서와 같이 LOO를 사용하여 매개 변수를 추정하는 아이디어와 분리 된 값을 추정하는 아이디어를 분리했습니다. 나는 두 가지 관련이 있지만 약간 다른 프로세스로 보았지만 둘 다 LOOCV라고 할 수 있습니까? 나도 착각 할 수있었습니다.
jcmb
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.