使用随机森林进行建模是否需要交叉验证？

据我所见，人们对此的看法往往有所不同。最佳实践肯定会规定使用交叉验证（尤其是将RF与同一数据集上的其他算法进行比较时）。另一方面，原始消息来源指出，在模型训练期间计算出OOB误差这一事实足以说明测试集的性能。甚至特雷弗·哈斯提（Trevor Hastie）在最近的一次对话中都说“随机森林提供免费的交叉验证”。直观上，如果在一个数据集上训练并尝试改进基于RF的模型，这对我来说很有意义。

您对此有何看法？

$1-(1-\frac{1}{N})^N \approx 1-e^{-1} \approx 0.6$

正如@Wouter指出的那样，您可能希望对参数调整进行交叉验证，但是作为测试集错误的估计，OOB错误应该可以。