Bootstrap方法是一种重采样技术，用于通过对数据集进行替换采样来估计总体统计数据。
它可用于估计汇总统计数据，例如均值或标准差。它在应用机器学习中用于在对未包含在训练数据中的数据进行预测时估计机器学习模型的技能。
估计机器学习模型技能的结果的一个理想特性是可以用置信区间表示估计的技能，这是其他方法（例如交叉验证）不容易获得的特征。
在本文中您将发现用于估计机器学习模型对未知数据的技能的引导重采样方法。
- bootstrap 方法涉及对数据集进行迭代重采样和替换。
- 使用引导程序时，您必须选择样本大小和重复次数。
- scikit-learn 提供了一个函数，您可以使用该函数为 bootstrap 方法重新采样数据集。
引导法
Bootstrap 方法是一种统计技术，用于通过对多个小数据样本的估计进行平均来估计有关总体的数量。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/189565.html原文链接：https://javaforall.net
