我有一个506行的数据集，我正在执行一次性交叉验证，一旦我得到均方误差，我计算出我发现的均方误差的平均值。每次运行它都会发生变化。这是预期的吗？如果是这样，有人可以解释为什么每次运行它都会改变它？
要离开一个CV，我先将行洗牌，df是数据框
df <-df[sample.int(nrow(df)),]
然后，我将数据帧拆分为506个数据帧并将其发送到lm（）并获取每个数据帧的MSE（在这种情况下，每行）
fit <- lm(train[,lastcolumn] ~.,data = train)
pred <- predict(fit,test)
pred <- mean((pred - test[,lastcolumn])^2)
然后我采取了我所有的MSE的平均值。
每次我运行这一切，我得到一个不同的意思。这是预期的吗？
答案 0 :(得分：2)
一次性交叉验证是一种验证范式。您必须说明您用于预测的算法，并且您必须查看预测算法中是否存在参数的随机初始化。如果初始化随机变化，则可以在每次运行基础算法时解释不同的结果。您必须提到您正在使用的估算器/预测算法。如果您使用高斯混合模型，例如对于均值和协方差的不同初始化进行分类，这可能是一种可能的算法，其中LOOCV中的性能不一定总是相同的。高斯混合模型和K均值算法通常随机化数据点的选择以表示平均值。如果用于估计高斯数的信息理论标准，混合物中的高斯数也可以随着不同的初始化而改变。