年份
事件
相关论文/Reference
1983
1983年美国统计学家杂志邀请Bradley Efron和Gail Gong提供了一篇文章，回顾了统计误差的非参数估计，主要是估计量的偏差和标准误差，或预测规则的误差率。涉及到的方法有自助法（bootstrap），刀切法（Jackknife）和交叉验证。
Efron, B. & Gong, G. (1983). A Leisurely Look at the Bootstrap, the Jackknife, and Cross-Validation, The American Statistician, 37(1): 36-48.
1995
Kohavi也对交叉验证和自助法进行了比较
Kohavi, R.(1995).A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection.Appears in the International Joint Conference on Arti cial Intelligence (IJCAI).
1995
Anders Krogh, Jesper Vedelsby讨论了如何结合交叉验证和模糊度来给出一个集成泛化误差（ensemble generalization error）的可靠的估计，以及这种类型的集成交叉验证（ensemble cross-validation）如何有时可以提高模型性能。
Krogh, A.; Vedelsby, J. (1995). Neural Network Ensembles, Cross Validation, and Active Learning. NIPS.
2003
Hawkins等人通过理论论证和大量基于QSAR(Quantitative structure–activity relationship)数据集的经验研究表明，当可用样本量小于几百个时，将其中一部分分离出来作为测试集是很浪费的，而交叉验证是一个更好的选择。
Hawkins, D. M.; Basak, S. C.; Mills, D. (2003).Assessing Model Fit by Cross-Validation.Journal of Chemical Information and Computer Sciences.43(2): 579-586.
2010
Arlot和Celisse试图将关于交叉验证的研究结果与模型选择理论的最新进展联系起来，将经验性陈述与严谨的理论结果区分开来，并根据不同问题的不同特点提供了选择最佳交叉验证程序的意见
Arlot, S.; Celisse, A.(2010). A survey of cross-validation procedures for model selection. Statist. Surv. 4: 40—7.
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/2764.html