ทำไมการกำจัดย้อนหลังจึงมีเหตุผลเมื่อทำการถดถอยหลายครั้ง?

มันไม่ได้ส่งผลให้กระชับหรือไม่? ผลลัพธ์ของฉันจะเชื่อถือได้มากขึ้นหรือไม่ถ้าฉันเพิ่มขั้นตอนแจ็คมีดหรือ bootstrap เป็นส่วนหนึ่งของการวิเคราะห์

ฉันคิดว่าการสร้างแบบจำลองและทดสอบมันแตกต่างกัน การกำจัดถอยหลังเป็นส่วนหนึ่งของการสร้างแบบจำลอง มีดแจ็คและ bootstrap ใช้ในการทดสอบมากขึ้น

แน่นอนคุณสามารถประมาณการที่เชื่อถือได้มากขึ้นด้วย bootstrap และ jack knife มากกว่าการทดสอบแบบเรียบง่ายแบบย้อนหลัง แต่ถ้าคุณต้องการทดสอบการ overfitting จริง ๆ การทดสอบขั้นสุดท้ายคือการแยกตัวอย่างฝึกในบางการทดสอบกับผู้อื่น การลาออกครั้งเดียวไม่เสถียร / ไม่น่าเชื่อถือสำหรับจุดประสงค์นี้: http://www.russpoldrack.org/2012/12/12/the-perils-of-leave-one-out.html

ฉันคิดว่าอย่างน้อย 10% ของอาสาสมัครจะต้องออกไปเพื่อให้การประเมินความมีเสถียรภาพของโมเดลมีความเสถียร และถ้าคุณมี 20 วิชา 2 วิชาก็ยังน้อยมาก แต่คำถามก็กลายเป็นว่าคุณมีตัวอย่างมากพอที่จะสร้างแบบจำลองที่สามารถนำไปใช้กับประชากรส่วนที่เหลือได้หรือไม่

หวังว่ามันจะตอบคำถามของคุณอย่างน้อยก็บางส่วน