mlr3中的CV或训练/预测

在Patrick Schratz的“交叉验证-训练/预测”一文中

提到：

（a） CV用于获得模型性能的估计值

（b） 训练/预测是为了创建最终预测（你的老板可能会用它来做一些决策）

这意味着在mlr3中，如果我们在学术界，需要发表论文，我们需要使用CV来比较不同算法的性能。在工业领域，如果我们的计划是训练一个模型，然后必须反复使用工业数据进行预测，我们需要使用mlr3提供的训练/预测方法

是不是我选错了什么

---

谢谢你

如果你想对模特的表现发表意见，你总是需要一份简历

如果要使用该模型对未知数据进行预测，请进行一次拟合，然后进行预测

所以在实践中，你需要两者：CV+“训练+预测”

附言：你的帖子并不适合Stackoverflow，因为它与编码问题无关。有关统计问题，请参见

---

PS2：如果你谈论一篇文章，请包括链接。我是这篇文章的作者，但大多数人可能不知道你在说什么；）

感谢pat-s，我编辑了我的帖子并加入了链接。但在学术界（我们必须将一个算法的性能与其他算法进行比较），CV的使用被广泛使用，因为我们使用了多个公开可用的数据集和多个分类器。这实际上取决于你想在“学术界”取得什么成就。如果您的目标是在一些数据集中比较算法，那么只使用CV（嵌套CV以避免偏差）就足够了。但是，如果您想建立一个now模型，用它来进行实际预测，以便做出一些决定，那么在执行所有CV后，看看哪个模型是好的（最好的），您将在所有标记的数据上拟合该模型，并用它来预测未标记的数据。@missue，好的，我明白您的意思了。。这意味着，如果我们必须比较这些算法，并指出向社区提供信息的最佳算法（就像人们通常在学术界发表的出版物那样），我们应该使用CVs。如果我们必须使用一个模型来预测某些值（可能是行业数据），首先我们必须使用CV（找到最佳模型），然后选择该模型来预测我们的数据？如果我可以在这里给出一个建议，如果它是可行的话：应该有一个专门用于mlr的公共论坛/邮件论坛等，这不是一个好主意吗。？mlr3是新的，我们很多人都是新手，所以一个公共论坛将是一个好主意。。关于mlr3的更新也可以在那里讨论。