zhuanlan.zhihu.com
啥是Bootstrap方法？为何那么多人都在用？ - 知乎
Bootstrap方法，又称为自助法，是一种在统计领域中非常常用的技术。 它的核心思想非常简单：通过重复从已有数据中随机抽取样本（允许重复抽取同一个数据），来模拟新的样本集，从而估计我们感兴趣的统计量（如平均…
bootstrap 算法
Searching…
Web results
blog.csdn.net
Bootstrap方法详解——技术与实例_bootstrap法-CSDN博客
Bootstrap法是以原始数据为基础的模拟抽样统计推断法，可用于研究一组数据的某统计量的分布特征，特别适用于那些难以用常规方法导出对参数的区间估计、假设检验等问题。其基本思想是：在原始数据的范围内作有放回的再抽样, 样本容量仍为n，原始数据中 ...
cp.baidu.com
bootstrap算法 - cp.baidu.com
通过合理地应用bootstrap方法，我们可以更有效地估计统计量的分布特性、构建置信区间以及评估模型的性能。 然而，在使用bootstrap方法时也需要注意其适用条件和限制条件，以确保结果的准确性和可靠性。
www.otexts.com
11.4 Bootstrapping 和 bagging | 预测： 方法与实践
我们可以使用 bootstrap 得到的时间序列来尝试解决这个问题。 我们使用 debitcards 数据来演示这个过程。 首先，我们使用上面描述的 block-bootstrap 来模拟许多与原始数据相似的时间序列。
blog.csdn.net
Bootstrap和Bagging算法以及衍生算法 - CSDN博客
Jun 24, 2024 · 1. Bootstrap 算法 实际上就是一种针对小样本的无放回式的抽样方法，通过方差的估计可以构造置信区间。 其核心思想和基本步骤如下： （1） 采用重抽样技术从原始样本中抽取一定数量（自己给定）的样本，此过程允许重复抽样。
developer.baidu.com
Bootstrap、Bagging与Boosting：机器学习中的三大算法
Feb 15, 2024 · Bootstrap、Bagging和Boosting是机器学习领域中三大重要的算法，它们在实践中有着广泛的应用。 这篇文章将简要介绍这三种算法的基本概念和特点，以便读者更好地理解它们在实际问题中的应用。
zhuanlan.zhihu.com
【机器学习】Bootstrap详解 - 知乎
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。 因为该方法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。
www.oryoy.com
揭秘决策树Bootstrap算法：如何让机器学习更精准？
Nov 15, 2024 · 决策树作为一种常见的机器学习算法，在数据挖掘和机器学习领域中有着广泛的应用。 Bootstrap算法，作为决策树算法中的一个重要组成部分，对于提高模型的精准度起到了关键作用。 本文将详细介绍Bootstrap算法的原理、实现方法以及在决策树中的应用。
geekdaxue.co
第7章 数理统计 - Bootstrap方法 - 《数学建模算法与应用》 -...
非参数Bootstrap方法 设总体的分布 未知，但按放回抽样的方法抽取了一个容量为 的样本，称为Bootstrap样本或称为自助样本。 独立地取多个Bootstrap样本，利用这些样本信息对总体 进行推断，这种方法称为非参数Bootstrap方法，又称为自助法。
zhuanlan.zhihu.com
如何通俗的理解bootstrap，自举法，自助法 - 知乎
本文主要介绍 Bootstrap 的核心概念，而非其应用。 但仅仅会使用一些 python 代码作为概念说明。 我们将首先介绍 Bootstrap 重采样方法，然后说明提出 Bootstrap 的动机，最后说明 Bootstrap 的一般概念。