BootStrap思想
来源:互联网 发布:lol数据分析 编辑:程序博客网 时间:2024/06/05 09:55
一句话,讲白了就是对已有的观测样本反复的有放回抽样,通过多次计算这些放回抽样的结果,获取统计量的分布。
以下是收集的一些例子:
1979年美国Stanford大学统计系教授Bradley Efron[1]在总结、归纳前人研究成果的基础上提出一种新的非参数统计方法——Bootstrap方法,1980年魏宗舒教授向国内做了首次介绍并将Bootstrap译作“自助法”。Bootstrap方法是一类非参数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。 Bootstrap方法因为充分利用了给定的观测信息,不需要模型其他的假设和增加新的观测,并且具有稳健性和效率高的特点,越来越受到欢迎。
基本思想:重抽样
我们有观测数据集
Bootstrap的思想,是生成一系列bootstrap伪样本,每个样本是初始数据有放回抽样。通过对伪样本的计算,获得统计量的分布。例如,要进行1000次bootstrap,求平均值的置信区间,可以对每个伪样本计算平均值。这样就获得了1000个平均值。对着1000个平均值的分位数进行计算, 即可获得置信区间。已经证明,在初始样本足够大的情况下,bootstrap抽样能够无偏得接近总体的分布。
0 0
- BootStrap思想
- Bootstrap之CSS架构的设计思想
- Bootstrap
- BootStrap
- Bootstrap
- bootstrap
- Bootstrap
- bootstrap$
- Bootstrap
- Bootstrap
- Bootstrap
- Bootstrap
- Bootstrap
- Bootstrap
- bootstrap
- bootstrap
- Bootstrap
- Bootstrap
- NYOJ 486 Old Calculator
- Filter与Listener使用案例
- MTK代码全集
- ListView滚动条压到item内容
- 开发外包注意事项——iOS APP的开发
- BootStrap思想
- 设计模式C++实现(6)——建造者模式
- python-Levenshtein几个计算字串相似度的函数解析
- 使用JQuery中AJAX的几种方法
- 安装部署CloudStack 4.0企业私有云平台
- APKTool解包和打包
- 邮箱服务器安装方法
- 有状态对象和无状态对象的区别
- [示例代码]爱车加油记