부트스트랩 방법이란 무엇입니까?

부트스트랩 방법은 통계학부 교수인 브래들리 에프론(Bradley Efron)의 이전 연구 결과를 요약하고 유도한 매우 유용한 통계 추정 방법입니다. 스탠포드에서는 새로운 비모수적 통계 방법이 제안되었습니다.

Bootstrap은 비모수적 몬테카를로 방법의 한 유형으로, 관찰 정보를 다시 샘플링한 다음 모집단의 분포 특성에 대해 통계적 추론을 하는 것이 핵심입니다.

이 방법은 주어진 관측 정보를 최대한 활용하기 때문에 모델의 다른 가정과 새로운 관측 추가가 필요하지 않으며 강력하고 효율적입니다. 1980년대부터 컴퓨터 기술이 통계 실무에 도입되면서 이 방법은 점점 더 대중화되었으며 기계 학습 분야에서 널리 사용됩니다.

우선 Bootstrap은 리샘플링을 통해 교차 검증으로 인한 샘플 감소 문제를 피할 수 있습니다. 둘째, Bootstrap을 사용하여 데이터에 무작위성을 생성할 수도 있습니다. 예를 들어, 잘 알려진 랜덤 포레스트 알고리즘의 첫 번째 단계는 원본 훈련 데이터 세트에서 부트스트랩 방법을 사용하여 교체를 통해 k개의 새로운 부트스트랩 샘플 세트를 무작위로 선택하고 이를 통해 k개의 분류 회귀 트리를 구성하는 것입니다.

위 내용은 부트스트랩 방법이란 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!