Cross-Validation - Nhãn - NZQIRC https://nzqirc.xyz/tags/cross-validation/ Cross-Validation - Nhãn - NZQIRC Hugo -- gohugo.ioviThis work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.Sat, 19 Sep 2026 10:40:00 +0700 Model Bias và Estimator Bias: Cạm bẫy nhầm lẫn trong Cross-Validation https://nzqirc.xyz/posts/math/stats/model-bias-vs-estimator-bias/ Sat, 19 Sep 2026 10:40:00 +0700 Du Mã https://nzqirc.xyz/posts/math/stats/model-bias-vs-estimator-bias/ Khi học về phân rã Bias – Variance và Cross-Validation, nhiều người bối rối trước phát biểu: “5-fold CV có bias cao hơn LOOCV”.

“Cùng một mô hình, tại sao chia dữ liệu lại làm thay đổi độ chệch?”

Sự nhầm lẫn xuất phát từ việc đánh đồng hai khái niệm:

1. Model Bias (Độ chệch của mô hình)

Đây là năng lực nội tại của dạng hàm bạn chọn:

  • Dùng Hồi quy tuyến tính để khớp một quy luật cong, thì dù có nạp 100% hay 1 tỷ dữ liệu, đường thẳng vẫn không thể khớp hoàn hảo đường cong.
  • Sự sai lệch này sinh ra từ giả định cấu trúc cố hữu của mô hình. Cách bạn chia dữ liệu kiểm định không làm thay đổi Model Bias.

2. Estimator Bias (Độ chệch của ước lượng sai số)

Đây không phải độ chệch của hàm mô hình, mà là độ chệch trong thước đo ước lượng sai số ngoài mẫu:

]]> LOOCV và K-Fold Cross-Validation: Đánh đổi Bias và Chi phí tính toán https://nzqirc.xyz/posts/math/stats/loocv-vs-k-fold-cv/ Sat, 19 Sep 2026 10:30:00 +0700 Du Mã https://nzqirc.xyz/posts/math/stats/loocv-vs-k-fold-cv/ Câu hỏi trắc nghiệm kinh điển về phương pháp tái lấy mẫu:

Câu hỏi: Trong các phát biểu sau, phát biểu nào ĐÚNG?

  • I. Validation set approach là trường hợp đặc biệt của $k$-fold CV.
  • II. LOOCV có độ chệch (bias) thấp hơn $k$-fold CV khi $k < n$.
  • III. $k$-fold CV tốn ít chi phí tính toán hơn LOOCV khi $k < n$.

$\implies$ Đáp án chính xác là (C) Chỉ II và III đúng.

]]>