折刀vs.LOOCV

折刀和遗漏交叉验证之间真的有什么区别吗？该过程似乎相同，我是否缺少某些内容？

在交叉验证中，您将对剩余样本进行统计。大多数情况下，您是根据建立在保留样本上的模型来预测剩余样本的。在叠加中，您仅从保留的样本中计算统计信息。

折刀通常指的是两个相关但不同的过程，这两个过程都依赖于“留一法”的处理方法，这导致了非常混乱的情况。

在一种情况下，折刀可用于估计种群参数及其标准误差。例如，使用折刀方法来估计简单回归模型的斜率和截距，将：

1. 估计斜率并使用所有可用数据进行截距。
2. 省略1个观测值并估计斜率和截距（也称为系数的“部分估计”）。
3. 计算斜率和截距的“部分估计”和“所有数据”估计之间的差（也称为系数的“伪值”）。
4. 对整个数据集重复步骤2和3。
5. 计算每个系数的伪值的平均值-这些是斜率和截距的折刀估计

系数的伪值和折刀估计也可以用于确定标准误差，从而确定置信区间。通常，此方法可为系数提供更大的置信区间，因为它是更好，更保守的不确定性度量。同样，该方法也可用于获得系数的偏斜的折弯估计。

在另一方面，折刀用于评估模型性能。在这种情况下，折刀=留一法交叉验证。两者都涉及将一个观测值排除在校准数据集中之外，重新校准模型，并预测遗漏的观测值。本质上，每个观察都使用其对预测变量的“部分估计”进行预测。

这是我在网上找到的关于折刀的漂亮文章： https //www.utdallas.edu/~herve/abdi-Jackknife2010-pretty.pdf