De la documentación de cv.glm del manual de la biblioteca de arranque en R, https://cran.r-project.org/web/p… en la sección “valor de retorno”, actualmente página 42:
delta
Un vector de longitud dos. El primer componente es la estimación cruda de validación cruzada
de error de predicción. El segundo componente es la estimación ajustada de validación cruzada.
El ajuste está diseñado para compensar el sesgo introducido por no
utilizando la validación cruzada de dejar uno fuera.
- He asignado mis pesos (w) a un múltiple multinomial (o k-simplex), dividiendo cada componente de w por la suma de todos los componentes. ¿Cómo realizo la regularización (equivalente a l1 o l2) en el nuevo espacio multinomial múltiple (k-simplex)?
- ¿Qué papel juega la función logística en el algoritmo de regresión logística en el aprendizaje automático?
- ¿Qué algoritmos de optimización son buenos candidatos para la paralelización con MapReduce?
- ¿Cómo puedo evitar el sobreajuste?
- ¿Qué biblioteca / framework AI es el mejor, OpenAI, OpenNN o TensorFlow?
¿Estás hablando del libro Introducción al aprendizaje estadístico? (Nunca he oído hablar de un libro de SL internacional, así que supongo que sí). Nunca lo he leído (así que no puedo ayudarte con el libro exactamente), aunque he leído a su hermano mayor, los Elementos del aprendizaje estadístico (así que si aún no lo entiendes, deja un comentario con detalles y yo responderé cuando pueda).
Sin embargo, dado que este es un paquete R, el mejor lugar para buscar lo que significa algo no es un libro, sino la documentación del paquete R. Si no comprende la documentación, es cuando lee una escritura relevante (ya sea libro, blog o sitio web).
