回归或分类问题中缺少的协变量可以禁止直接使用先进的工具进行进一步分析。最近的研究已经实现了现代机器学习算法的升值越来越大的趋势。它起源于它们在不同学习问题中显示有利预测准确性的能力。在这项工作中，我们通过仿真分析了在基于机器学习和预测的基于机器学习方法时，缺少协变的回归学习问题之间的归零精确度和预测准确性之间的相互作用。此外，我们在使用预测设置中使用统计推理过程时，我们探讨了升级性能，例如（有效）预测间隔的覆盖率。我们的分析基于UCI机器学习存储库提供的实证数据集和广泛的仿真研究。
translated by 谷歌翻译