การสร้างแบบจำลองด้วยป่าสุ่มต้องมีการตรวจสอบข้ามหรือไม่?

เท่าที่ฉันเคยเห็นความคิดเห็นมีแนวโน้มที่จะแตกต่างกันเกี่ยวกับเรื่องนี้ แนวปฏิบัติที่ดีที่สุดจะใช้การตรวจสอบข้าม (โดยเฉพาะอย่างยิ่งหากเปรียบเทียบ RF กับอัลกอริธึมอื่น ๆ ในชุดข้อมูลเดียวกัน) แหล่งที่มาดั้งเดิมระบุว่ามีการคำนวณข้อผิดพลาด OOB ข้อเท็จจริงระหว่างการฝึกอบรมแบบจำลองเพียงพอที่จะเป็นตัวบ่งชี้ประสิทธิภาพของชุดทดสอบ แม้แต่ Trevor Hastie ในการพูดคุยเมื่อไม่นานมานี้กล่าวว่า "Random Forest ให้การตรวจสอบข้ามฟรี" โดยสัญชาตญาณสิ่งนี้สมเหตุสมผลสำหรับฉันหากการฝึกอบรมและพยายามปรับปรุงโมเดล RF-based บนหนึ่งชุดข้อมูล

ความคิดเห็นของคุณเกี่ยวกับเรื่องนี้คืออะไร?

ข้อผิดพลาด OOB ถูกคำนวณโดยการสังเกตแต่ละครั้งโดยใช้เฉพาะต้นไม้ที่ไม่มีข้อสังเกตเฉพาะนี้ในตัวอย่างบูตสแตรป ดูคำถามที่เกี่ยวข้องนี้ นี่เป็นเรื่องที่เทียบเท่ากับการตรวจสอบไขว้สองเท่าเนื่องจากความน่าจะเป็นของการสังเกตเฉพาะที่อยู่ในตัวอย่างบูทสแตรปโดยเฉพาะคือ0.6$1-(1-\frac{1}{N})^N \approx 1-e^{-1} \approx 0.6$

เมื่อ @Wouter ชี้ให้เห็นคุณอาจต้องการทำการตรวจสอบข้ามสำหรับการปรับพารามิเตอร์ แต่เนื่องจากข้อผิดพลาดของชุดทดสอบโดยประมาณข้อผิดพลาด OOB ควรจะดี