ランダムフォレストでのモデリングには交差検証が必要ですか？

私が見た限りでは、これについては意見が異なる傾向があります。ベストプラクティスは、クロス検証の使用を確実に指示します（特に、同じデータセットでRFを他のアルゴリズムと比較する場合）。一方、元のソースでは、OOBエラーがモデルトレーニング中に計算されるという事実は、テストセットのパフォーマンスの指標として十分であると述べています。Trevor Hastieでさえ、比較的最近の講演で、「ランダムフォレストは無料の相互検証を提供する」と述べています。直感的に、これは、1つのデータセットでRFベースのモデルをトレーニングおよび改善しようとする場合、私には理にかなっています。

これについてどう思いますか？

OOBエラーは、ブートストラップサンプルにこの特定の観測がなかったツリーのみを使用して、観測ごとに計算されます。この関連質問を参照してください。これは、特定の観測が特定のブートストラップサンプルにある確率がため、2重交差検証とほぼ同じです。$1-(1-\frac{1}{N})^N \approx 1-e^{-1} \approx 0.6$

@Wouterが指摘するように、おそらくパラメーターチューニングの相互検証を実行する必要がありますが、テストセットエラーの推定値として、OOBエラーは問題ありません。