| 标题 |
Is K-fold cross validation the best model selection method for Machine Learning? 相关领域
机器学习
人工智能
计算机科学
频数推理
参数统计
推论
排列(音乐)
重采样
有界函数
上下界
选型
参数化模型
算法
交叉验证
支持向量机
统计推断
统计假设检验
试验数据
在线机器学习
概率分布
缺少数据
样本量测定
合成数据
元学习(计算机科学)
数据挖掘
核(代数)
计算学习理论
主动学习(机器学习)
分数(化学)
样品(材料)
选择(遗传算法)
后验概率
深度学习
半监督学习
预测推理
基于实例的学习
大概是正确的学习
结果(博弈论)
|
| 网址 | |
| DOI | |
| 其它 |
期刊:Information Fusion 作者:J.M. Gorriz; R. Martin-Clemente; F. Segovia; J. Ramírez; A. Ortiz; et al 出版日期:2026-04-01 |
| 求助人 | |
| 下载 | 暂无链接,等待应助者上传 |
|
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)