我在很多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，它是否与k-fold验证有关？同时，你能否提供一些有用的资源来详细了解这个概念。
感谢您的帮助！
2个回答
53
OOF简单地表示“折叠外”，是在使用k-fold验证时学习过程中的一步，其中来自每组折叠的预测被分组到一个包含1000个预测的组中。这些预测现在是“折叠外”的，因此可以计算出这些错误，以获得有关模型性能的良好度量。
就了解更多信息而言，实际上没有太多内容，它肯定不是学习或其他任何技术的独立技术。如果您有一个小的后续问题，请留下评论，我会尝试更新我的答案以包含这个问题。
编辑：在互联网上漫游时，我偶然发现了Cross-Validated上这个相对类似的问题（带有稍微详细的答案），也许如果您仍然感到困惑，它会增加一些直觉。
就了解更多信息而言，实际上没有太多内容，它肯定不是学习或其他任何技术的独立技术。如果您有一个小的后续问题，请留下评论，我会尝试更新我的答案以包含这个问题。
编辑：在互联网上漫游时，我偶然发现了Cross-Validated上这个相对类似的问题（带有稍微详细的答案），也许如果您仍然感到困惑，它会增加一些直觉。
- Alerra
1
我从机器学习大师的文章中找到了这篇文章，其中详细解释了交叉验证中的折叠外预测。
以下是该文章中的一段摘录，解释了什么是折叠外（OOF）预测：
“折叠外预测是模型在k折交叉验证过程中进行的预测。也就是说，在重新采样过程中，折叠外预测是对保留数据集进行的预测。如果正确执行，将为训练数据集中的每个示例生成一个预测。”
“折叠外预测是模型在k折交叉验证过程中进行的预测。也就是说，在重新采样过程中，折叠外预测是对保留数据集进行的预测。如果正确执行，将为训练数据集中的每个示例生成一个预测。”
- Gozy4
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接