摘要
本发明公开了一种基于移一交叉验证法的模型筛选方法。经典交叉验证法存在全部剔除验证集有用信息的缺陷。本发明根据样本集构建初始代理模型,逐个选择样本点作为验证集,剩下样本点作为初始训练集,并将验证集中的样本点沿随机正态分布移动得到虚拟验证点,将虚拟验证点的输入代入初始代理模型得到初始代理模型的虚拟响应,从而得到初始代理模型所预测的虚拟样本点;用虚拟样本点替换样本集中的样本点,得到更新后的虚拟训练集;构建虚拟代理模型,计算虚拟代理模型的移一交叉验证局部误差:遍历样本集中的各样本点后,对各移一交叉验证局部误差求均值,得到移一交叉验证全局误差。本发明极大限度保留了验证集信息,提高了模型筛选准确度。