嵌套交叉验证或仅使用Rpart

Question

我对两个概念感到困惑：决策树模型Rpart（基于对训练数据执行10倍CV后的测试数据）的评估，而不是“嵌套交叉验证”。这些都一样吗？

我做了什么

我已将数据分为训练集（训练）和测试集（测试）。我已经在Train集合的R中执行了Rpart函数，该函数进行了10倍交叉验证。之后，我通过估计测试集上的AUC（接收器工作曲线下的面积）来评估模型。 同样，我已经完成了逻辑回归的这些步骤。比较了决策树的AUC和Logistic回归。

嵌套交叉验证

现在，有专家问我交叉验证方案是否正确嵌套。查找嵌套的交叉验证，我理解如下：

1. 内部循环：对训练数据执行（k倍）交叉验证以选择模型（例如，表示特征选择，多项式度？），
2. 外循环：对训练+测试集（旋转测试集）再次执行（k倍）交叉验证，以选择最佳模型。

混乱

我可以检查出第一点。但是，我对第二点不太了解。我是否可以说，在测试集上评估模型的性能，并将其相互比较，这是外部循环吗？ 是否应将嵌套的交叉验证本身用于特征选择？如果是，我是否应该对logistic和rpart都执行嵌套交叉验证，然后比较测试集的AUC？