부트스트랩 알고리즘이란 무엇입니까?

부트스트랩 알고리즘이란 무엇입니까? 부트스트랩 알고리즘은 제한된 표본 데이터를 사용하여 여러 번 다시 표본을 추출하여 상위 표본의 분포를 나타내기에 충분한 새 표본을 재설정하는 것을 말합니다. 부트스트래핑의 적용은 많은 통계적 가정을 기반으로 하므로 샘플링의 정확성은 가정의 설정 여부에 영향을 미칩니다.

통계에서 부트스트래핑은 무작위 샘플링 재설정에 의존하는 모든 실험을 의미할 수 있습니다. 부트스트래핑을 사용하여 표본 추정치의 정확도를 계산할 수 있습니다. 샘플링의 경우 특정 통계(예: 평균)의 하나의 값만 계산할 수 있으며 평균 통계의 분포를 알 수 없습니다. 하지만 부트스트랩 방법(bootstrap method)을 통해 우리는 평균 통계의 대략적인 분포를 시뮬레이션할 수 있습니다. 배포를 통해 많은 작업을 수행할 수 있습니다(예: 파생된 결과를 사용하여 실제 전체 상황을 추론하는 등).

부트스트래핑 방법의 구현은 매우 간단합니다. 샘플 크기가 n이라고 가정합니다.

원래 샘플에 대체 샘플링이 있고 샘플이 n번 추출됩니다. 새로운 표본을 추출할 때마다 이 작업을 반복하여 많은 수의 새로운 표본을 형성하고 이를 통해 표본의 분포를 계산할 수 있습니다. 새로운 샘플의 수는 일반적으로 1000-10000입니다. 계산 비용이 적거나 정확도 요구 사항이 상대적으로 높은 경우 새 샘플 수를 늘리십시오.

장점: 간단하고 조작이 쉽습니다.

단점: 부트스트래핑 적용은 많은 통계적 가정을 기반으로 하기 때문에 가정의 확립 여부가 샘플링의 정확성에 영향을 미칩니다.

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