机器学习中的OOF方法是什么？答案

【问题标题】：What is OOF approach in machine learning?机器学习中的OOF方法是什么？
【发布时间】：2019-02-23 01:23:02
【问题描述】：

我在许多 kaggle 笔记本中看到人们在使用 K-Fold 验证进行机器学习时谈论 oof 方法。什么是 oof，它与 k 折验证有关吗？您还可以建议一些有用的资源来详细了解这个概念

感谢您的帮助！

【问题讨论】：

【解决方案1】：

OOF 仅代表“Out-of-fold”，指的是使用 k 折验证时学习过程中的一个步骤，其中来自每组折叠的预测被组合成一组 1000 个预测。这些预测现在是“不折不扣的”，因此可以根据这些预测计算误差，以很好地衡量您的模型有多好。

就更多地了解它而言，真的没有比这更多的东西了，而且它当然不是它自己的学习技巧或任何东西。如果您有一个小的后续问题，请发表评论，我会尝试更新我的答案以包含此问题。

编辑： 在浏览跨网络时，我偶然发现了来自 Cross-Validated 的 this 相对相似的问题（答案稍微更详细），如果你是，也许它会增加一些直觉还是一头雾水。

【讨论】：

【解决方案2】：

我发现 this article 来自机器学习精通，非常深入地解释了折叠预测。下面是一篇文章的摘录，解释了什么是非折叠 (OOF) 预测：

“out-of-fold 预测是模型在 k 折交叉验证过程中的预测。也就是说，非折叠预测是在重采样过程中对保留数据集所做的那些预测。如果正确执行，训练数据集中的每个示例都会有一个预测。”

【讨论】：