Estimation du taux d'erreur d'une règle de prédiction : amélioration de la validation croisée

Résumé Nous construisons une règle de prédiction sur la base de certaines données, puis souhaitons estimer le taux d'erreur de cette règle pour la classification d'observations futures. La validation croisée fournit une estimation quasi non biaisée, utilisant uniquement les données originales. La validation croisée s'avère étroitement liée à l'estimation bootstrap du taux d'erreur. Cet article a deux objectifs : mieux comprendre la base théorique du problème de prédiction, et étudier certains estimateurs associés, qui semblent offrir une estimation considérablement améliorée dans de petits échantillons.