Bootstrap

machine-learning

什么是 Bootstrap?

Bootstrap是一类非参数Monte Carlo方法,其实质是对观测信息进行再抽样，进而对总体的分布特性进行统计推断。
1. Bootstrap通过重抽样，可以避免了Cross-Validation造成的样本减少问题
2. Bootstrap也可以用于创造数据的随机性。

步骤

1. 在原有的样本中通过重抽样抽取一定数量（比如100）的新样本，重抽样（Re-sample）的意思就是有放回的抽取。
2. 基于产生的新样本，计算我们需要估计的统计量T(如均值，方差等)。
3. 重复上述步骤n次（一般是n>1000次）
4. 根据这N个样本统计量，计算真正的统计量