自适应模型选择的协方差膨胀准则

我们提出了预测问题中模型选择的新准则。当预测规则应用于数据集的置换版本时，协方差膨胀准则通过预测和响应的平均协方差调整训练误差。这个标准可以应用于一般的预测问题（例如回归或分类）和一般的预测规则（例如逐步回归、基于树的模型和神经网络）。作为副产品，我们获得了自适应过程所使用参数的有效数量。我们将协方差膨胀准则与其他模型选择过程联系起来，并说明其在一些回归和分类问题中的应用。我们还重新讨论了模型选择的条件引导方法。