Out-of-bag error とは

アウトオブバッグ(OOB)エラーは、アウトオブバッグ推定とも呼ばれ、ランダムなフォレスト、ブーストされたデシジョンツリー、およびサブサンプルにブートストラップアグリゲーション(バギング)を利用する他の機械学習モデルの予測エラーを測定する方法ですトレーニングに使用されるデータサンプル。 OOBは、ブートストラップサンプルにx haveを持たないツリーのみを使用して、各トレーニングサンプルx onの平均予測誤差である。
サブサンプリングは、次の基本学習者の構築に使用されなかった観測値に対する予測を評価することによって、予測性能向上のアウトオブバッグ推定値を定義することを可能にする。アウト・オブ・バッグの見積もりは、独立した検証データセットの必要性を回避するのに役立ちますが、実際のパフォーマンスの改善と最適な反復回数を過小評価することがよくあります。